面向交通行业的企业级私有化RAG知识问答系统研究与实践
摘要
该场景,提出并实践了一套企业级私有化RAG(检索增强生成)知识问答系统——通达办公助手。系统核心创新包
括:针对交通行业多层级文档特点的自适应分层切片策略、融合行业知识库与联网检索的四源知识并行召回机制、
答案来源可追溯标注设计,以及精细至部门粒度的三级账号权限体系与完整私有化部署方案。经在上海多家交通行
业政企单位落地验证,系统问答首字响应均值2.1秒,政策类问题查询效率提升90%以上,为交通行业知识治理数字
化提供了参考路径。
关键词
全文:
PDF参考
[1]车万翔,窦志成,冯岩松,等.大模型时代的自
然语言处理:挑战、机遇与发展[J].中国科学:信息科
学,2023,53(9):1645-1687.
[2]舒文韬,李睿潇,孙天祥,等.大型语言模型:
原理、实现与发展[J].计算机研究与发展,2024,61(2):
351-361.
[3]冯掌印,朱坤,马伟涛,等.浅谈大模型时代下
的检索增强:发展趋势、挑战与展望[C]//第二十三届中
国计算语言学大会论文集(第2卷).太原:中国中文信
息学会,2024:151-168.
[4]李子骏,肖辉,李雪峰.面向知识密集型任务的
检索增强生成技术综述[J].微电子学与计算机,2025,42
(10):48-65.
[5]张犬俊,谢杨,房春荣,等.检索增强生成在软
件工程中的应用综述[J].软件学报,2025:1-24.
[6]张扬,汤奇峰,杨涛.基于区块链的城市公共停
车智慧管理关键技术及应用研究[J].交通与港航,2025,
12(2):87-93.
[7]武彦林,范清泓.关于交通行业数据治理体系中主
数据技术探究[J].交通与港航,2025,12(2):94-101.
[8]张扬,孙杨世佳,汤奇峰.面向轨道交通车站大
客流疏散的地面交通运力资源评估研究[J].现代城市轨道
交通,2026.
[9]Lewis P, Perez E, Piktus A, et al. Retrievalaugmented generation for knowledge-intensive NLP
tasks[C]//Advances in Neural Information Processing
Systems, 2020, 33: 9459-9474.
[10]Brown T, Mann B, Ryder N, et al. Language models
are few-shot learners[C]//Advances in Neural Information
Processing Systems, 2020, 33: 1877-1901.
Refbacks
- 当前没有refback。
