来源：期刊VIP网 时间：
作者：解飞;宋建华;姜丽;张龑;何帅;
单位：湖北大学计算机与信息工程学院;湖北大学网络空间安全学院;智能网联汽车网络安全湖北省工程研究中心;智能感知系统与安全教育部重点实验室;华中科技大学网络空间安全学院;
摘要：大语言模型（LLM）在专业领域特别是区块链漏洞领域应用时存在局限性，如专业术语噪声干扰和细粒度信息过重导致理解不足。为此，构建一种面向区块链漏洞知识库的增强型知识图谱问答模型（LMBK＿KG）。通过整合大模型和知识图谱来增强知识表示和理解能力，同时利用多粒度语义信息进行专业问题的过滤和精准匹配。研究方法包括使用集成的多粒度语义信息和知识图谱来过滤专业术语噪声，以及采用大模型生成的回答与专业知识图谱进行结构化匹配和验证，以提高模型的鲁棒性和安全性。实验结果表明，所提出的模型在区块链漏洞领域问答的准确率比单独使用大模型提高26%。
关键词：大语言模型;;知识图谱;;问答模型;;多粒度语义信息;;区块链;;漏洞信息;;文本表征
基金资助：国家自然科学基金项目（62377009）;; 湖北省重点研发计划重点项目（2021BAA188）;湖北省重点研发计划重点项目（2021BAA184）;; 湖北省高等学校人文社会科学重点研究基地绩效评价信息管理研究中心课题（2020JX01）;; 湖北省科技计划重大科技专项（2024BAA008）
