知识图谱驱动的跨行业数据治理与可信知识服务

需求详情

需求内容：1、为解决各类组织制度文件、业务流程等分散存放、口径不一等问题，拟采用知识图谱驱动的大语言模型等技术，构建可复用框架，对原始文档和数据表统一管理，生成并审核候选知识，实现多源异构知识的规范化治理与可信沉淀。2、为解决知识来源不可追溯、审核状态不明、跨文档矛盾及孤立知识难以发现等问题，拟建立“原文一切片一知识对象一关系/规则一应用结果”完整证据链，统一管理来源、时间、版本、权限、质量和审核状态，融合多方式检索，实现带出处、可解释、可复核的多类知识服务，同时建设图谱探索与质量治理功能，辅助发现相关问题。3、为验证框架可迁移性，避免构建万能本体，拟先在烟草行业开展先行验证，沉淀相关方案后按需扩展至其他领域；本项目支持内网或离线部署，模型输出仅作候选，须经校验定位与人员审核后方可入库，不替代法定审批、专业判断和业务责任。拟解决的痛点问题：该问题具有明显的跨行业共性。传统数据治理难以表达制度、流程和业务规则的深层语义；跨系统、跨部门知识存在口径、版本和用关系不一致；普通大模型或RAG可能出现检索遗漏、无答案强答和引用不准确；单点定制图谱迁移和维护成本较高；高安全要求单位难以直接使用公网SaaS。上述问题制约知识复用、跨部门协同、制度执行、风险发现和人工智能可信应用。场景建设预期成效：预期形成一套可跨行业复用的知识图谱数据治理框架，为可信RAG、企业智能体和管理分析提供受限控制、可追溯、可审计的知识底座。拟实现正式知识原文证据可定位率（100%），首次画像、新领域及低置信度候选人工审核覆盖率（100%），权限过滤和失效资产隔离正确率（100%），关键知识资产必填元数据完整率不低于（95%），形成1套通用核心知识模型和不少于4类语料Profile。检索质量、效率提升和运维成本指标在立项后基于真实业务基线确定。