基于长城大模型驱动的石化行业知识图谱构建与智能检索技术研究
蒋 楠1，公绪超2，3，
王 振1，段鸿杰2，程思远2
1 中国石油化工集团有限公司
2 中国石油化工集团有限公司胜利油田分公司数智化管理服务中心
3 中国石油化工集团有限公司胜利油田博士后科研工作站
摘要：随着石油化工数字化转型深入推进，行业知识呈现出海量、多源、异构与持续演化的特征。知识图谱作为组织与利用行业知识的有效手段，在推动石油化工行业智能化进程中具有重要价值。然而，传统构建方法依赖专家人工，面临成本高、更新滞后等挑战。文章提出一种大模型驱动的油气知识图谱增量式构建框架，设计了包含知识感知、增量更新和质量控制的全链路方法。知识感知模块设计检索增强生成机制提升专业知识获取的准确性与时效性。增量更新模块基于语义识别的增量更新方法，实现知识体系的持续演进。质量控制模块设计多智能体协同验证机制，有效消解知识冲突，保障图谱质量一致性。该框架已成功应用于知识库管理、业务问答等关键场景，为油气典型业务场景提供了有效支撑。研究成果有望为构建新一代动态演进、可信可用的石油化工领域知识体系提供技术支撑，助力推动行业知识智能化升级。关键词：大语言模型；知识图谱；增量构建；多智能体；石油化工
引用本文：蒋楠，公绪超，王振，等 . 基于长城大模型驱动的石化行业知识图谱构建与智能检索技术研究［J］. 钻采工艺，2026，49（1）：50-57JIANG Nan，GONG Xuchao，WANG Zhen，et al. LLM-Driven Knowledge Graph for Intelligent Information Retrieval in the Petrochemical Industry：AStudy Based on the Great Wall Model［J］. Drilling and Production Technology，2026，49（1）：50-57
发布者：cubeoil，转转请注明出处：https://www.cubeoil.com/archives/106030
