想象你去图书馆，问管理员“《蒙娜丽莎》是谁画的？”。他不会抱着一摞书从头翻到尾，而是快步走到索引柜前，抽出写着“蒙娜丽莎”的卡片，看到“创作者”一栏，干脆利落地回答“达芬奇”。整个过程不过几秒，因为他手里有一张知识网——每本书、每位作者、每个年份都是网上的节点，节点之间早已用“创作”“出生于”这样的线条连好。知识图谱问答（KBQA）要做的事，就是把这套“查卡本能”教给计算机。它先把日常问句拆成“要找谁”和“问什么关系”，再到庞大的知识网中沿着关系线精准跳转，最后把答案带回你面前。最近，能说会道的大语言模型经常“一本正经地胡说八道”，而KBQA提供的严谨知识网恰好能帮它“查证”，两者配合，既流畅又可靠。

岗位关联

掌握KBQA，是AI从业者让智能系统“用事实说话”的关键技能，也是打造可靠问答产品的必经之路。

目录
  1. 可视化演示
  2. KBQA基础认知
  3. 知识图谱构建
  4. KBQA核心流程
  5. 关键算法
  6. LLM时代增强
  7. 优化与挑战
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

演示KBQA从查询解析、实体链接到图谱遍历检索与答案生成的完整链路，展示自然语言问题如何映射到知识图谱并得到答案。

本节配有交互动效（进入视口后自动加载，约 3KB）。

查询解析 实体链接 NL→KG 问题映射到图谱

KBQA基础认知

想象一位资深图书管理员，你问“《蒙娜丽莎》是谁画的？”，他不会顺着书架从头翻找，而是迅速走到索引柜前，抽出写着“蒙娜丽莎”的卡片，看到“创作者”一栏，干脆利落地报出“达芬奇”。整个过程背后的核心，是一张早就编织好的知识之网。知识图谱问答（KBQA）要做的，正是把这种“查卡本能”教给计算机。

知识图谱由无数的“实体”和“关系”构成。实体是世间万物——人、地点、作品、年份，关系是它们之间的语义纽带——“创作”“出生于”“现存于”。这些实体和关系以三元组形式存储，如同索引柜里一张张写着“达芬奇—创作—蒙娜丽莎”的卡片。当用户问题到来，KBQA系统需要读懂问句，再在卡片网络中完成一次精准的跳转。

把整个KBQA流水线写成复合函数，能清晰展现每个环节的职责：

回到图书馆：Parse 是管理员竖起耳朵辨析句子的语义，Link 是他从“蒙娜丽莎”一词定位到对应的卡片，query 则是顺着“创作者”索引翻到“达芬奇”的过程。三步环环相扣，构成 KBQA 的基础画面——读得懂、找得准、答得对。

Answer=fquery(Link(Parse(Q),G))\text{Answer} = f_{\text{query}}\big(\text{Link}\big(\text{Parse}(Q), G\big)\big)
这个公式的含义是：用户的自然语言问题 Q 先经过语义解析 Parse，把问题中的实体链接 Link 到知识图谱 G 上，最后通过查询函数 f_query 在图谱中找出答案 Answer。
  1. 解析输入把用户的自然语言问题 Q 解析成结构化表示，比如提取“谁画了蒙娜丽莎”中的动作与对象。
    Parse(Q)→(实体: 蒙娜丽莎,关系: 创作者)\text{Parse}(Q) \rightarrow (\text{实体: 蒙娜丽莎}, \text{关系: 创作者})
  2. 实体链接将解析出的实体指称“蒙娜丽莎”与知识图谱 G 中的节点对应上。
    Link:mention↦e∈G\text{Link}: \text{mention} \mapsto e \in G
  3. 执行查询在知识图谱 G 中沿着关系“创作者”反向查找，得到答案节点。
    fquery:(e,r)→{e′∣r(e′,e)∈G}f_{\text{query}}: (e, r) \rightarrow \{e' \mid r(e', e) \in G\}

知识图谱构建

图书管理员能秒回问题，前提是图书馆在开馆前就完成了一件浩大工程：每本书、每个作者、每间书架的关联都被整理成索引卡。知识图谱的构建与之类似，需要先解决两件事——认出文本中的实体，并抽出实体之间的语义关系。

实体识别的任务是从非结构化文本中切分出命名实体并打上类型标签，例如从“蒙娜丽莎是达芬奇的作品”中识别出“蒙娜丽莎”（作品）、“达芬奇”（人物）。序列标注模型逐词判断标签，BIO标注约定中，B 表示实体开始，I 表示实体内部，O 表示实体之外。

条件随机场（CRF）是经典的序列标注解法，它不像逐词独立分类那样忽略上下文，而是把整句标签序列当作一个整体来打分：

如同索引卡制作员先圈出书脊上的关键词（实体识别），再在卡上填写“作者”“题材”“出版年份”等栏目（关系抽取），图谱构建团队将这些信息写入图数据库——一个以节点和边为基本单位的“超级索引柜”，为后续问答提供坚实的底表。

P(Y∣X)=1Z(X)exp⁡(∑i∑kλkfk(yi,yi−1,X,i))P(Y|X) = \frac{1}{Z(X)} \exp\Big(\sum_{i} \sum_{k} \lambda_k f_k(y_{i}, y_{i-1}, X, i)\Big)
条件随机场通过定义在观测序列 X（句子）和标签序列 Y（实体标注结果）上的特征函数，计算出最可能的标注组合，从而把“蒙娜丽莎”从普通文本中切分出来并打上“作品”标签。
  1. 观察与标签X 是句子的词序列，Y 是每个词对应的标签序列（BIO 标注）。
    X=[谁,画,了,蒙娜丽莎],Y=[O,O,O,B-作品]X = [\text{谁}, \text{画}, \text{了}, \text{蒙娜丽莎}], \quad Y = [\text{O}, \text{O}, \text{O}, \text{B-作品}]
  2. 特征函数f_k 衡量当前位置词的特征与标签的匹配程度，比如“蒙娜丽莎”是专有名词，倾向标为实体。
    fk(yi,yi−1,X,i)f_k(y_i, y_{i-1}, X, i)
  3. 配分函数Z(X) 把所有可能标注序列的得分加和，确保概率之和为 1。
    Z(X)=∑Y′exp⁡(∑i∑kλkfk(yi′,yi−1′,X,i))Z(X) = \sum_{Y'} \exp\Big(\sum_{i}\sum_{k} \lambda_k f_k(y'_i, y'_{i-1}, X, i)\Big)

KBQA核心流程

当读者的问话七拐八绕，资深管理员并不会慌。他先在脑中做三件事：判断“你要找书、找人还是找年份”（意图理解），锁定“你话里哪个词是图书馆的正式条目”（实体链接），再确认“你问的到底是哪根线”（关系映射）。

在 KBQA 中，意图理解决定查询类型——是查属性、查关系还是做计数；实体链接把问句中的指称映射到图谱节点；关系映射把“谁画了”“什么时候画”这类自然语言表达对应到标准关系名“创作者”“创作年份”。三步常常协同工作，一步错则全盘偏。

实体链接是其中最考验消歧能力的环节。同一个指称“苹果”可能对应水果、公司或影片，系统需要在候选集中挑出最匹配的节点，这可以用一个加权打分公式描述：

管理员不会轻信字面相同就递出卡片。他会先端详卡片上的名称是否吻合（名称相似度），再看看卡片周围贴的分类标签是否符合问题语境（上下文相似度），两者权衡后才最终敲定——这正是实体链接在真实系统中的工作方式。

e^=arg⁡max⁡e∈C(m)[λ⋅simname(m,e)+(1−λ)⋅simctx(q,e)]\hat{e} = \arg\max_{e \in C(m)} \big[ \lambda \cdot \text{sim}_{\text{name}}(m, e) + (1-\lambda) \cdot \text{sim}_{\text{ctx}}(q, e) \big]
对于问题中指称 m（如“蒙娜丽莎”），先在图谱中找到候选实体集合 C(m)，再按名称相似度和上下文相似度的加权和选最匹配的那张卡片。
  1. 候选生成根据指称 m 的字符串，在图谱中召回所有名称相近的节点。
    C(m)={e∈G∣词面(m,e)≥θ}C(m) = \{ e \in G \mid \text{词面}(m, e) \geq \theta \}
  2. 名称相似度字符级相似度，比如“蒙娜丽莎”与“蒙娜丽莎（画作）”有较高词面重叠。
    simname(m,e)=char_overlap(m,e)\text{sim}_{\text{name}}(m, e) = \text{char\_overlap}(m, e)
  3. 上下文相似度把问题周围的词与实体相邻节点比较，解决同名歧义。
    simctx(q,e)=cosine(vq,ve)\text{sim}_{\text{ctx}}(q, e) = \text{cosine}(\mathbf{v}_q, \mathbf{v}_e)
  4. 加权融合λ 控制两种相似度的权重，最终选出得分最高的实体。
    λ⋅simname(m,e)+(1−λ)⋅simctx(q,e)\lambda \cdot \text{sim}_{\text{name}}(m, e) + (1-\lambda) \cdot \text{sim}_{\text{ctx}}(q, e)

关键算法

传说老馆长有两手绝活：一手是精确查卡，闭着眼按字母顺序三秒定位；另一手是模糊联想，仅凭一句“好像是一本蓝封面的书”就能筛出一排候选。KBQA 的关键算法恰好也可以分成这两派。

语义解析派走“精确查卡”路线，把自然语言翻译成可执行的图查询语言或逻辑表达式，准确率高但依赖语法覆盖率；向量检索派走“模糊联想”路线，把问题、实体和关系都映射为稠密向量，用语义相似度召回候选，覆盖广但精度略低。

向量检索中最常用的相似度度量是余弦相似度，它衡量两个向量的方向是否一致：

现代 KBQA 系统很少依赖单一绝活，而是让两派接力：先用向量检索快速圈出几十张“可能有关的卡片”，再用语义解析规则或排序模型精排，最终把最高置信度的候选送上查询流水线——精确与联想，缺一不可。

Score(q,d)=vq⋅vd∥vq∥⋅∥vd∥\text{Score}(q, d) = \frac{\mathbf{v}_q \cdot \mathbf{v}_d}{\|\mathbf{v}_q\| \cdot \|\mathbf{v}_d\|}
这个公式衡量问题向量 v_q 与候选答案或子图向量 v_d 之间的语义方向一致性，得分越高说明越可能是所需答案。
  1. 向量化问题和候选实体都用编码器映射成向量。
    vq=Encoder(q),vd=Encoder(d)\mathbf{v}_q = \text{Encoder}(q), \quad \mathbf{v}_d = \text{Encoder}(d)
  2. 内积计算分子计算两向量内积，得到方向对齐程度。
    vq⋅vd=∑jvq,j⋅vd,j\mathbf{v}_q \cdot \mathbf{v}_d = \sum_j v_{q,j} \cdot v_{d,j}
  3. 模长归一化分母消除向量长度差异，只保留方向相似度。
    ∥vq∥=∑jvq,j2\|\mathbf{v}_q\| = \sqrt{\sum_j v_{q,j}^2}
  4. 排序截断对所有候选按得分降序取 Top-K，送入下游精排与查询。
    Score(q,d)⇒TopK(d1,d2,…,dk)\text{Score}(q, d) \Rightarrow \text{TopK}(d_1, d_2, \dots, d_k)

LLM时代增强

图书馆新来了一位见多识广的 AI 助手，能言善辩，但偶尔会把两位同名作者搞混。聪明的馆长并不让它独自接客，而是规定：读者提问后，助手必须先听管理员报出索引卡上的事实，再据此组织语言。这就是大语言模型时代 KBQA 的经典组合——检索增强生成（RAG）。

大语言模型（LLM）擅长理解语义、组织自然语言，却存在两个硬伤：一是训练知识有时间截止线，无法知道“今年的诺贝尔奖得主”；二是缺乏依据时容易一本正经地“幻觉”。KBQA 从知识图谱中检索出确定的事实片段，LLM 只需把这些事实转述成得体的回答。

RAG 的生成过程可以写成如下概率模型，它把所有检索证据都纳入答案的决策：

在这个组合里，KBQA 那个只认事实的“老馆长”负责查证，LLM 那个能说会道的“AI 助手”负责表达。查证杜绝了胡编乱造，表达保证了自然流畅——这也正是当下落地最多的人机协同问答架构。

P(a∣q)=∑p∈TopK(q)P(a∣q,p)⋅P(p∣q)P(a \mid q) = \sum_{p \in \text{TopK}(q)} P(a \mid q, p) \cdot P(p \mid q)
最终答案 a 的概率等于对所有检索到的知识片段 p 求和：先看 p 与问题 q 的匹配概率 P(p|q)，再看给定 p 时 LLM 生成答案 a 的概率 P(a|q,p)。
  1. 检索 TopK从知识图谱或文档库中检索与问题最相关的 K 个片段。
    TopK(q)={p1,p2,…,pK}\text{TopK}(q) = \{p_1, p_2, \dots, p_K\}
  2. 匹配概率P(p|q) 表示片段 p 与问题的相关程度，通常来自向量检索得分。
    P(p∣q)=softmax(Score(q,p))P(p \mid q) = \text{softmax}(\text{Score}(q, p))
  3. 生成概率P(a|q,p) 表示给定问题和片段，LLM 生成答案 a 的概率。
    P(a∣q,p)=LLM(a∣q,p)P(a \mid q, p) = \text{LLM}(a \mid q, p)
  4. 边缘化求和对所有候选片段求和，使最终概率覆盖所有证据。
    ∑p∈TopK(q)P(a∣q,p)⋅P(p∣q)\sum_{p \in \text{TopK}(q)} P(a \mid q, p) \cdot P(p \mid q)

优化与挑战

再能干的馆长也有烦恼：读者的问题偶尔要连着绕过三四个索引柜；闭馆后新书送来没来得及上架；排队的读者越来越多，稍一停顿就堆起长队。KBQA 同样面临多跳推理、知识更新和性能优化这三座大山。

多跳问题如“达芬奇的老师的学生创作了什么？”，系统要沿“师生”关系连走多步，每一步的误差都会累积；知识图谱若不能及时吸收新事实，答案就会过时；图谱动辄亿级节点，查询稍慢便无法支撑线上服务。

多跳推理的误差累积可以用一个简单的概率模型刻画——每一跳都像一次独立抽签，全部抽中才算答对：

为了跑得又快又稳，管理员学会了三样本事：新书到馆立即补卡（增量更新）、常答的问题烂熟于心（结果缓存）、一次路线规划同时取回多张卡（批量查询与图索引优化）。KBQA 的工程优化，本质就是把这三样本事变成算法与系统设计。

Pcorrect(k)=∏i=1kpiP_{\text{correct}}(k) = \prod_{i=1}^{k} p_i
如果每一跳的准确率是 p_i，那么经过 k 跳后整体路径正确的概率是每跳概率的乘积。跳数越多，整体精度越低，这正是多跳推理的核心挑战。
  1. 单跳准确率p_i 表示第 i 步关系检索的准确率。
    pi=P(ri 正确∣ei−1,q)p_i = P(r_i \text{ 正确} \mid e_{i-1}, q)
  2. 乘积累计在各跳近似独立假设下，整体正确率是单跳概率的乘积。
    Pcorrect(k)=∏i=1kpiP_{\text{correct}}(k) = \prod_{i=1}^{k} p_i
  3. 数值直觉若每跳 p=0.8，3 跳后整体正确率不足 0.51，误差累积惊人。
    0.83=0.5120.8^3 = 0.512

AI 应用场景

智能客服（金融场景）

阶段：意图理解 → 实体链接 → 图谱查询 → LLM话术生成

解决的问题：传统客服依赖配置好的 FAQ 树，用户换个说法就答不上来，人工成本居高不下。KBQA 用产品与业务知识图谱覆盖常见事实类问题，支持“白金卡取现额度是多少”这类结构化查询。

具体案例：某银行手机 App 的智能助手收到“我白金卡在国外取现手续费多少？”，系统先从信用卡产品图谱中沿“白金卡—取现—手续费”路径找到答案，再由 LLM 组织成自然口语回复并附权益说明。

医疗导诊

阶段：症状实体识别 → 症状-科室关系查询 → 推荐科室

解决的问题：患者不知道挂哪个科室，导诊台压力大。KBQA 从症状图谱中定位“头晕发热”对应“神经内科/呼吸科”，给出带解释的分诊建议。

具体案例：某互联网医院首页，用户输入“经常头晕耳鸣挂什么科”，系统识别出“头晕”“耳鸣”两个症状实体，经过图谱多跳查询后推荐“耳鼻喉科”，LLM 补充说明可能的就诊方向。

企业知识库问答

阶段：文档实体抽取 → 组织/项目关系图谱 → 员工自助查询

解决的问题：中大型公司内部文档分散，新员工找不到“该找谁审批预算”等答案。KBQA 从制度文档中抽取组织、流程、权限关系构成内部图谱，支持自然语言问“预算超 10 万找谁审批？”

具体案例：某科技公司 OA 系统嵌入问答机器人，员工提问后，系统在内部图谱中沿“预算申请—金额档位—审批人”路径返回负责人信息，并附带制度原文链接。

Python 演示

python82 行
"""SimpleKBQA: 基于规则的知识图谱问答演示"""# -*- coding: utf-8 -*- class SimpleKBQA:    """玩具级KBQA, 展示实体链接+关系映射+图谱查询流程"""     def __init__(self):        # 知识图谱: 三元组集合(头实体, 关系, 尾实体)        self.triples = [            ('达芬奇', '创作', '蒙娜丽莎'),            ('达芬奇', '出生于', '意大利'),            ('达芬奇', '国籍', '意大利'),            ('蒙娜丽莎', '创作年份', '1503年'),            ('蒙娜丽莎', '现存于', '卢浮宫'),        ]        self.entity_list = ['达芬奇', '蒙娜丽莎', '意大利', '1503年', '卢浮宫']        self.rule_map = {            '谁画': '创作',            '谁创作': '创作',            '创作于哪一年': '创作年份',            '什么时候画': '创作年份',            '出生在哪里': '出生于',            '摆在哪里': '现存于',        }     def link_entity(self, question):        """实体链接: 问题中包含哪个实体名"""        for entity in self.entity_list:            if entity in question:                return entity        return None     def map_relation(self, question):        """关系映射: 通过规则模板把问法映射为关系"""        for pattern, relation in self.rule_map.items():            if pattern in question:                return relation        return None     def query_graph(self, entity, relation):        """图谱查询: 支持正向(h,r,t)和反向(t,r,h)"""        results = []        for head, rel, tail in self.triples:            if head == entity and rel == relation:                results.append(tail)        if not results:            for head, rel, tail in self.triples:                if tail == entity and rel == relation:                    results.append(head)        return results     def answer(self, question):        """问答主流程: 实体链接 -> 关系映射 -> 图谱查询 -> 返回答案"""        entity = self.link_entity(question)        if entity is None:            return '我没找到你问的实体, 请换个说法.'        relation = self.map_relation(question)        if relation is None:            return '我不确定你想问什么关系, 请使用"谁""何时""哪里"类问法.'        results = self.query_graph(entity, relation)        if results:            return '，'.join(results)        return '图谱中暂时没有这条答案.'  def main():    kbqa = SimpleKBQA()    test_questions = [        '谁画了蒙娜丽莎?',        '达芬奇出生在哪里?',        '蒙娜丽莎创作于哪一年?',        '蒙娜丽莎摆在哪里?',        '贝多芬住在哪?',    ]    for q in test_questions:        print('问:', q)        print('答:', kbqa.answer(q))        print('---')  if __name__ == '__main__':    main()
目的：用 40 行左右实现一个玩具级 KBQA，演示“实体链接→关系映射→图谱查询”三步流水线。
  1. self.triples = [用三元组集合存储知识图谱，每一条像一张索引卡
  2. if entity in question:朴素版实体链接，检查问题文本是否出现实体名
  3. self.rule_map.items()遍历规则模板，把自然语言问法映射到图谱关系
  4. for head, rel, tail in self.triples:遍历三元组，匹配头实体和关系
  5. results.append(tail)命中正向查询，把尾实体加入答案
  6. entity is None实体不在图中时给出友好提示
  7. '，'.join(results)多个答案用中文逗号拼接输出
  8. if __name__ == '__main__':提供可执行入口，直接运行即可看效果

常见误区

误区我一直以为 KBQA 就是高级搜索，把用户的话拆成关键词，去数据库里匹配合适的文档返回就行。

正解关键词全文搜索像把图书馆的书都翻一遍找包含关键词的页面；KBQA 像查索引卡，先在卡片网络中精确定位实体，再沿关系线推理出唯一答案。前者返回一堆“可能有关”的文档，后者给出“确定正确”的事实，还能回答“谁是达芬奇的老师”这类多跳问题。

为何常见：两者都有“用户提问—系统返回”的外壳，检索词也高度重合，容易混淆。

误区实体链接很简单，问题里出现“达芬奇”，就去图谱里找叫“达芬奇”的节点，名字对上了就行。

正解真实场景中实体指称充满歧义：“苹果”可能是水果、公司或电影；“阿汤哥”要对应“汤姆·克鲁斯”。实体链接需要结合上下文特征、候选排名和相似度计算做消歧，必要时还要维护别名表。

为何常见：教学 demo 通常一个名字对应一个实体，避开了真实数据的歧义分布。

误区大模型什么都知道，直接把问题丢给它，答得又快又顺，学 KBQA 还有意义吗？

正解LLM 被训练后参数固定，无法确知训练截止后的事实，也容易在缺乏依据时一本正经地“编答案”。KBQA 用结构化图谱提供可验证的事实证据，与 LLM 组合成 RAG 方案：LLM 负责润色语言，KBQA 负责锁定事实。

为何常见：LLM 的流畅回答让人误以为它内置了实时知识，极少有人意识到它在某些领域只是概率上合理的“表演”。

误区KBQA 只能处理“达芬奇是谁”这种一对一问题，稍微绕一点的“达芬奇的老师的学生是谁”就无能为力了。

正解多跳推理正是 KBQA 的研究热点，通过图遍历、路径排序或强化学习可以回答跨越多条边的问题。只是跳数越多误差累积越严重，需要设计专门的路径剪枝和置信度机制。

为何常见：主流教程常以单跳示例入门，很少展示多跳路径构造和误差控制。

误区知识图谱构建完成，实体关系都在里面了，之后不用管了。

正解知识是动态演化的：新影片上映、新药品上市、组织架构调整都要求图谱支持增量更新，同时还要处理实体合并（同一实体的两个节点归一）和关系时效（“现任总统”随时间变化）。

为何常见：demo 图谱是静态快照，给人“图谱是历史文物”的错觉。

面试题

Q1. KBQA 中“实体链接”的主要作用是什么？

单选题 · easy

  • A.把问题翻译成SQL语句
  • B.把词映射到图谱节点← 正确答案
  • C.对知识图谱做可视化
  • D.计算答案的置信度

答案：B。实体链接负责把问句中的实体指称映射到知识图谱的确定节点上。选项 A 属于查询生成或语义解析的职责；C 是图谱可视化工具的事；D 是答案排序阶段的活。就像图书管理员要先确定读者说的“蒙娜丽莎”到底是哪张卡，才能继续查关系。

Q2. 知识图谱的基本存储单元是什么？

单选题 · easy

  • A.键值对存储格式
  • B.实体关系三元组← 正确答案
  • C.非结构化文档集
  • D.图像特征向量集

答案：B。知识图谱以“头实体—关系—尾实体”三元组为基本单元，如“达芬奇—创作—蒙娜丽莎”。A 是 KV 数据库的存储形式，C 是全文检索的输入，D 是视觉模型的输入。索引卡上那一行“谁—干了什么—指向谁”正是三元组的写照。

Q3. 关于 KBQA 中“关系映射”的挑战，下列说法正确的有？

多选题 · hard

  • A.同一说法可对应多关系← 正确答案
  • B.只需字符串匹配即可
  • C.需语义相似度消歧义← 正确答案
  • D.与实体链接完全无关

答案：AC。自然语言表达和知识图谱关系名往往并非一一对应，“画了”可能对应“创作”也可能对应“绘制”，需要借助语义相似度或规则模板消歧，故 A、C 正确。字符串匹配无法覆盖同义说法，B 错；关系映射和实体链接相互依赖，比如要先确定实体类型才能缩小候选关系，D 错。

Q4. 向量检索中常用来衡量问题与候选实体相似度的指标是哪个？

单选题 · mid

  • A.编辑距离相似度
  • B.Jaccard系数值
  • C.余弦相似度指标← 正确答案
  • D.皮尔逊相关系数

答案：C。向量检索普遍使用余弦相似度衡量两个稠密向量的方向一致性。编辑距离适合字符级比较，Jaccard 适合集合重叠，皮尔逊相关系数偏向统计相关，都不是向量语义匹配的主流选择。就像管理员凭“印象方向”而非“字面拼写”来联想候选卡片。

Q5. RAG 方案中，LLM 的提示内容通常不需要以下哪一项？

单选题 · mid

  • A.用户原始问题文本
  • B.检索到的知识片段
  • C.图谱查询日志文件← 正确答案
  • D.任务指令引导文本

答案：C。RAG 提示一般包含用户问题、检索到的知识片段和输出指令。查询日志属于系统调试信息，不进入提示，反而可能泄露内部结构、干扰生成。就像 AI 助手只需要管理员递来的“答案卡片”，而不需要翻看管理员一路查找的草稿纸。

Q6. 关于 KBQA 的知识更新，以下说法正确的有？

多选题 · extreme

  • A.需增量更新机制支持← 正确答案
  • B.图谱构建一劳永逸
  • C.需处理实体合并删除← 正确答案
  • D.与图谱规模毫无关联

答案：AC。知识不断演化，图谱必须支持增量更新以应对新事实，还要处理实体合并与关系删除以保持一致性，故 A、C 正确。B 忽略了事实的时效性，D 忽略了规模对更新策略的影响——亿级图谱的增量更新远比小图复杂，就像大图书馆补卡需要流水线作业而不是随手一塞。

Q7. 若每跳准确率为 0.9，4 跳查询的整体准确率约为多少？

单选题 · hard

  • A.0.81左右
  • B.0.66左右← 正确答案
  • C.0.50左右
  • D.0.90左右

答案：B。多跳推理中整体正确率约等于单跳准确率的乘积，0.9^4 = 0.6561，约 0.66。这反映了误差累积效应：即使每一步都达到九成准确，四步后也被“连乘”拖到及格线以下。这正是多跳问题难以彻底解决的根本原因。

Q8. 在 BIO 序列标注中，标签 B 代表什么？

单选题 · easy

  • A.词位于实体开头← 正确答案
  • B.词位于实体结尾
  • C.词属于实体内部
  • D.词不属于任何实体

答案：A。B（Begin）表示该词是实体的开始位置，I（Inside）表示实体中间，O（Outside）表示实体外部。比如“蒙娜丽莎”切词后“蒙”标 B、“娜丽莎”标 I。这就像索引卡制作员在词序列顶端画一个“起点箭头”，标记实体从哪个词开始。

Q9. 以下哪些属于 KBQA 的核心处理步骤？

多选题 · mid

  • A.用户意图理解← 正确答案
  • B.实体链接匹配← 正确答案
  • C.情感极性分析
  • D.关系映射解析← 正确答案

答案：ABD。KBQA 经典流水线包括意图理解、实体链接、关系映射和查询生成，故 A、B、D 正确。情感极性分析属于情感计算任务，与事实型知识问答无关，C 错。就像管理员不会关心读者提问时语气是高兴还是生气，只关心要查什么卡。

Q10. 问题“苹果公司在哪里成立？”中“苹果”有歧义，以下哪种方法能有效消歧？

单选题 · hard

  • A.只按实体字面相似度
  • B.结合上下文与邻居← 正确答案
  • C.随机选一个候选实体
  • D.返回所有候选实体的全名

答案：B。消歧的关键是结合问题上下文与候选实体的图谱邻居：问题出现“公司”“成立”，而图谱中“苹果（公司）”的邻居含“科技公司”“库克”，“苹果（水果）”的邻居含“果农”“维生素”，上下文相似度能自然区分。A 字面相似度对同名实体无效，C 纯随机不可接受，D 把歧义抛回给用户，都不符合工程实践。