看一个结合文档解析、本体知识图谱构建与KG-RAG 应用的方案。

本体构建

如上图，本体构建是后续知识图谱搭建的核心基础，其核心目标是将工业标准文档的层级结构与逻辑规则转化为结构化、可推理的本体schema，整体分为层级本体建模和原子命题本体建模两个阶段：

1. 层级本体建模：该阶段聚焦于将工业标准文档的物理层级转化为语义化本体结构，解决文档格式复杂、上下文缺失的问题，包含三个子步骤：
   • 本体设计：定义了明确的层级schema，即文档内容按Section→Subsection→Subsubsection→(Text∪Table)→Footnote的层级关系组织，为文档内容赋予统一的语义层级框架。
   • 层级结构识别：通过正则表达式归一化多样化的章节编号格式，同时将表格、脚注关联至对应父章节，形成完整的层级路径，确保每个内容单元都保留其在文档中的上下文位置。
   • 知识单元结构化：将文本切分为title-text的知识单元对，其中title为层级上下文（如“Procedure→Scanning”），text为对应具体内容；同时针对工业标准的领域特性（如单位格式、标准编号）制定专用分词规则，最终将非结构化文档转化为适合知识抽取的结构化输入。
2. 原子命题本体建模

该阶段针对工业标准中大量的条件规则、数值规范等逻辑内容，实现逻辑语义的显性化，适配大模型的三元组抽取，包含两个子步骤：

• 句子的命题分解：基于命题逻辑对文本进行递归拆解，将条件句（如“if A then B”）等转化为以原子命题为叶子节点的树形结构，原子命题为不可再分的语义单元，复合命题则通过∧（与）、∨（或）、→（蕴含）等逻辑运算符连接，实现复杂逻辑的层级拆解。

• 三元组抽取函数：定义三元组抽取函数T，将命题结构转化为知识图谱三元组，区分原子命题与复合命题的抽取规则，引入n_case（条件单元根节点，如表格行）和n_group（逻辑分组中间节点），并结合LLM提示词模板、少样本示例及SI单位归一化，生成能精准反映文档逻辑的三元组集合。

  

基于本体的知识图谱构建

1. 同义词词典构建：该阶段的目标是解决工业标准知识中实体、关系表述的冗余性与不一致性（如同义实体的不同命名、关系的多样化表述），为知识图谱提供统一的语义规范。
   • 实体嵌入构建：为每个实体生成融合三方面信息的最终嵌入，包括基于Sentence-BERT的文本语义嵌入、基于Personalized PageRank的局部上下文嵌入、基于谱嵌入的全局结构嵌入，再通过HDBSCAN聚类形成同义实体组。
   • 关系嵌入构建：在实体嵌入的基础上，额外增加选择偏好嵌入（捕捉关系所连接的实体类型分布概率），同样通过HDBSCAN聚类，选取簇中心作为关系的规范表述，形成关系同义词词典。
2. 知识图谱精炼与剪枝：该阶段通过概念归一化和结构剪枝，进一步提升知识图谱的质量与效率，去除无意义或冗余的知识单元：
   • 概念归一化：依据前述同义词词典，将分散的实体表述统一为标准化形式，将多样的关系标签替换为规范谓词，消除概念层面的冗余。
   • 结构剪枝：包含三步核心操作，一是自环剪枝，删除实体指向自身的无意义三元组；二是反向边剪枝，对双向共存的边保留权重更高的一条（权重相同时按预设规则删除）；三是重复三元组去除，对同一文档中重复提取的三元组仅保留一个；最终还会剔除度为0的孤立节点，得到精简的最终三元组集合。
3. 图结构设计：该阶段的核心是整合文档层级本体与知识图谱，构建统一的图模式并落地：
   • 设计融合层级本体与知识图谱的统一schema，在Neo4j中实现该模型；
   • 新增**[MENTION]关系**，将章节节点与其中包含的实体关联，既支持文档层级的知识导航，又能实现本体感知的精准检索，为后续的本体感知KG-RAG框架奠定结构基础。

本体感知的 KG-RAG 框架

传统知识图谱可通过预设标准答案集完成评估，但本文构建的本体化知识图谱缺乏明确真值，无法直接验证其有效性。因此，研究将评估重心转移至基于该图谱的QA任务性能，通过改造MindMap和KG-Retriever这两种不同检索与推理策略的基线方法，赋予其本体感知能力，形成本体感知的KG-RAG框架，实现对知识图谱实用价值的量化验证。方法如下：

方法一：Ontology-aware MindMap

该方法聚焦于增强KG与LLM的协同推理能力，整体分为四个阶段：

• 实体抽取：先通过LLM从问题中提取核心实体候选，再将其与KG中实体的嵌入向量做余弦相似度匹配，筛选出最相关的实体作为后续图谱探索的“锚点”；
• 证据图挖掘：围绕锚点实体展开图谱探索，先通过“邻居证据搜索”收集相邻节点的三元组以强化上下文理解，再通过“路径证据搜索”识别实体间最短路径获取关联证据，最后通过“语义验证”过滤与问题意图不匹配的三元组；
• 证据图聚合：将挖掘到的证据三元组去重、结构归一化后整合为统一的推理图，并转化为适配LLM输入的自然语言证据描述；
• LLM集成推理：将推理图嵌入LLM提示词，让模型沿KG提供的推理路径生成答案，同时利用LLM自身知识弥补KG中缺失或有误的信息，实现二者的协同推理。

方法二：Ontology-aware KG-Retriever

侧重整合文档层级结构与全局图谱上下文以精准抽取证据，整体分为三层流程：

• 本体KG层级检索：先对文档中各章节的“标题-文本”对进行嵌入，计算其与查询的余弦相似度并选取Top-K章节，再从这些章节内优先抽取1-hop三元组，若数量不足则扩展至2-hop，构建细粒度证据集；
• 全局KG层级检索：脱离章节划分限制，直接在整个知识图谱中检索与查询语义相似的1-hop、2-hop三元组，同时通过“引导搜索”模块计算查询与三元组（含表格类三元组）的直接语义相似度，补充额外证据；
• 证据整合与生成：将本体KG层级和全局KG层级获取的所有证据整合为候选池，按与查询的相似度重排后选取Top30三元组嵌入LLM提示词，最终生成答案。

实验

参考文献：Ontology-Based Knowledge Graph Framework for Industrial
Standard Documents via Hierarchical and Propositional Structuring，https://arxiv.org/pdf/2512.08398v1