基于大语言模型的文本到Cypher生成用于虚拟产品开发知识图谱

组织在管理日益复杂的产品和相关数据量方面面临越来越大的挑战，尤其是在虚拟产品开发中。保持在动态市场中的竞争力需要更短的开发周期，而这又依赖于高效访问相关信息，而无需手动查询内部数据源。本研究探讨了大语言模型（LLMs）与企业特定知识图谱的集成，以实现直观的自然语言查询。具体来说，引入并评估了两种Cypher查询生成方法：一种基于提示工程（KG-Prompt-LLM），另一种结合提示工程与向量嵌入（KG-Embed-LLM）。这两种方法均在宝马集团开发的知识图谱上操作，该图谱专门用于表示设计流程中的产品依赖关系和信息流。总共使用了235个经过验证的用户提示，每个提示执行十次，以基准测试两种方法在检索准确性方面的表现。结果表明，虽然KG-Prompt-LLM提供了一种轻量级解决方案，但其对正则表达式的依赖导致了实体识别中的模糊性。相比之下，KG-Embed-LLM方法通过语义匹配显著提高了准确性。此研究展示了LLM辅助知识图谱查询在工业背景下的潜力和当前局限性，并为未来基于LLM的企业信息系统研究奠定了基础。