基于结构感知知识图谱表示的大语言模型推理增强方法

本发明属于知识图谱与大语言模型结合的技术领域，公开了一种基于结构感知知识图谱表示的大语言模型推理增强方法，本申请提出一种结构感知的知识注入框架，利用图神经网络结合多源结构信息编码增强实体表示，并通过对比学习机制实现语义与结构空间的对齐，同时设计自适应鲁棒性融合剪枝训练策略，动态筛选高质量证据子图，引导语言模型进行结构化推理。本申请实现了对结构信息与语义信息的深度整合与优化利用，显著提升了模型在复杂查询任务下的准确性、鲁棒性与资源效率，为生成质量提供了更强的嵌入基础，从而提升复杂问题下的生成准确性、稳定性与效率。