智能写作内容优化中的 Graph RAG 技术应用与效果分析

覃俊

doi:10.19483/j.cnki.11-4653/n.2025.08.029

智能写作内容优化中的 Graph RAG 技术应用与效果分析

doi: 10.19483/j.cnki.11-4653/n.2025.08.029

覃俊

广西日报社

详细信息

作者简介:
覃俊（1980—），男，广西宾阳，硕士研究生，副高职称，广西日报社信息技术中心主任，研究方向为媒体融合技术。

计量
- 文章访问数: 27
- HTML全文浏览量: 6
- PDF下载量: 6
- 被引次数: 0
出版历程
- 网络出版日期: 2025-09-19
- 刊出日期: 2025-09-12

摘要

摘要: 【目的】目前的大语言模型往往将智能写作视为无结构的纯文本数据，忽视了文本内部的逻辑结构和联系，制约了内容质量效果。【方法】精准快速地定位相关信息是提升内容质量的关键，通过融合 RAG 与知识图谱（KG）的智能写作优化技术，构建知识图谱来整合信息，保留文本的内部逻辑和关联性，来提升内容写作效果。【结果】该方法能够更精确地解析写作需求，并通过引入知识图谱，提高信息检索精确度及优化了内容生成质量。【结论】该技术已在中国新闻技术工作者联合会 AIGC 应用研究中心（广西实验室）试运行近半年，显示该方法可显著提升内容生成的精准度和效率。
- Graph RAG /
- 智能写作 /
- 内容优化 /
- 知识图谱 /
- 检索增强

HTML全文

参考文献(18)

[1]	Hu，Y.，Lei，Z.，Zhang，Z.，Pan，B.，Ling，C.，& Zhao，L.（2024）.GRAG：Graph Retrieval-Augmented Generation.arXiv preprint arXiv：2405.16506.
[2]	Edge D，Trinh H，Cheng N，et al.From Local to Global：A Graph RAG Approach to Query-Focused Summarization[J].arXiv preprint arXiv：2404.16130，2024.
[3]	梁莹 . 人工智能写作与新闻采编的融合与创新 [J]. 新闻潮，2023（7）：37-39，52.
[4]	Yunfan Gao，Yun Xiong，Xinyu Gao，Kangxiang Jia，Jinliu Pan，Yuxi Bi，Yi Dai，Jiawei Sun，Meng Wang，Haofen Wang.Retrieval-Augmented Generation for Large Language Models：A Survey[J].arXiv preprint arXiv：2312.10997v5 [cs.CL]，2024.
[5]	D.Edge，H.Trinh，N.Cheng，J.Bradley，A.Chao，A.Mody，S.Truitt，J.Larson.From Local to Global：A Graph RAG Approach to Query-Focused Summarization [cs.CL].arXiv preprint arXiv：2404.16130v1，24 Apr 2024.
[6]	Dong，Y.，Wang，S.，Zheng，H.，Chen，J.，Zhang，Z.，& Wang，C.（2024）.Graph-Based Retrieval-Augmented Generation for Complex Knowledge Reasoning.arXiv preprint arXiv：2411.03572.
[7]	黄薇，周卫，李宏杰，张涛 . 基于 BERT+BILSTM+CRF的中国非物质文化遗产知识图谱构建 [J]. 现代计算机，2023，29（24）：74-78.
[8]	Derong Xu，Wei Chen，Wenjun Peng，Chao Zhang，Tong Xu，Xiangyu Zhao，Xian Wu，Yefeng Zheng，Yang Wang，Enhong Chen.Large Language Models for Generative Information Extraction：A Survey[J].arXiv preprint arXiv：2312.17617v2 [cs.CL]，2024.
[9]	沈思，严大钰，卞嘉欣，何宏旭 . 基于学术知识图谱的增强语义表示与检索 [J]. 湖南大学学报（自然科学版），2024，51（6）：108-118.
[10]	Peng，B.，et al.（2024）.Graph Retrieval-Augmented Generation：A Survey.arXiv preprint arXiv：2408.08921v2.
[11]	Dong，Y.，et al.（2024）.Graph-Based RetrievalAugmented Generation for Complex Knowledge Reasoning.arXiv preprint arXiv：2411.03572v1.
[12]	Min，C.，et al.（2025）.Scalable GraphRAG Deployment Framework for Enterprise Environments.arXiv preprint arXiv：2507.03226v1.
[13]	马恒志，钱育蓉，冷洪勇，等 . 知识图谱嵌入研究进展综述 [J]. 计算机工程，2025，51（2）：18-34.
[14]	D.Edge，H.Trinh，N.Cheng，J.Bradley，A.Chao，A.Mody，S.Truitt，J.Larson.From Local to Global：A Graph RAG Approach to Query-Focused Summarization [cs.CL].arXiv preprint arXiv：2404.16130v1，24 Apr 2024.
[15]	Z.Xu，M.J.Cruz，M.Guevara，T.Wang，M.Deshpande，X.Wang，Z.Li.Retrieval-Augmented Generation with Knowledge Graphs for Customer Service Question Answering [D].arXiv preprint arXiv：2404.17723v2，2024.
[16]	D.Li，S.Yang，Z.Tan，J.Y.Baik，S.Yun，J.Lee，A.Chacko，B.Hou，D.Duong-Tran，Y.Ding，H.Liu，L.Shen，T.Chen.DALK：Dynamic Co-Augmentation of LLMs and KG to answer Alzheimer’s Disease Questions with Scientific Literature [cs.CL].arXiv preprint arXiv：2405.04819v2，12 May 2024.
[17]	Luo，H.，E，H.，Chen，G.，Lin，Q.，Guo，Y.，Xu，F.，Kuang，Z.，Song，M.，Wu，X.，Zhu，Y.，& Tuan，L.A.（2025）.Graph-R1：An Agentic GraphRAG Framework via End-to-End Reinforcement Learning.arXiv preprint arXiv：2507.21892v1.
[18]	Xiang，Z.，et al.（2025）.When to use Graphs in RAG：A Comprehensive Analysis for Graph Retrieval-Augmented Generation.arXiv preprint arXiv：2506.05690v1.