来源：期刊VIP网 时间：
作者：王永刚;姜丹;张寒;肖克晶;曹少中;闵瑞;
单位：北京印刷学院信息工程学院;
摘要：在医疗问答领域，现有的问答模型在解决多跳推理任务时常表现出推理链条不清晰和易产生幻觉的现象，且大参数量的语言模型部署成本过高，严重限制了大模型在医疗场景中的应用。为解决以上问题，本研究提出一种基于图检索增强方法的医疗问答方法。其结合了知识图谱与检索增强生成技术，通过构建知识图谱来表示并存储疾病、症状、治疗方案等医疗实体及其关系；在进行问答时，通过检索增强方法查询检索信息。该方法同时设计了类似问诊过程的思维链引导方式，包括问题分类、症状排查、诊断假设生成及治疗建议等步骤，并引导大语言模型在这些逻辑清晰地引导下完成回答，确保推理的专业性与连贯性，使得较小参数量的大语言模型同样能够发挥较好的作用。相较传统方法，该方法能够有效整合外部知识和推理过程，显著提升小参数量大语言模型对复杂医疗问题的理解能力。在真实医疗数据集上的实验结果表明，该方法在处理复杂推理和多跳问答任务中表现出显著优势，有效提高了回答准确性，同时显著降低了出现幻觉的现象，为医疗咨询和临床辅助决策提供了重要支持。
关键词：图检索增强;;思维链;;医疗问答系统;;知识图谱;;智能医疗
基金资助：北京印刷学院青年项目——面向融媒体出版物的多模态信息分析与理解技术研究(No.20190125031)
