本文发布已获得《都市快轨交通》授权
原文发表于《都市快轨交通》
2025年 第2期
如有转载请联系版权方，标明出处
于松伟，刘巍，夏秀江，邵昕，韩德志，韩晓艺
0引言
自2023年ChatGPT发布后，以大模型技术为代表的新一轮生成式人工智能浪潮席卷而来，引发了一场千模大战。目前，DeepSeek已在世界范围内进入百行千业万企。城市轨道交通(简称“城轨”)行业各企业也不例外，纷纷基于DeepSeek开展企业大模型或各种智能体研发与部署，我国城轨行业智慧化正加速迈向数据驱动与知识驱动的新阶段。城轨行业作为大模型的应用方，也面临着算法-算力-数据三要素的结构性问题。算力与算法可由IT及大模型等专业厂商主导；城轨行业尽管可通过借助(开源)基础大模型搭建起本领域的垂直大模型，但由于当前行业数据质量参差不齐且覆盖范围有限，使得数据成了大模型在城轨行业应用的核心关键。
NetEval评估集系统对26个基础大语言模型进行评估后发现，未注入行业数据的通用大模型对行业问题的回答准确率不足50%[1]。城轨大模型的应用既包括一般问答等通用场景，也包括决策性专用场景，其对数据的准确性与合规性要求较高。准确性不足则易在实际应用中引发故障甚至事故；模型输出若未绑定合规依据与溯源路径，还可能面临合规风险与监管处罚。在解决上述核心问题的众多技术中，检索增强生成技术(retrieval-augmentedgeneration，RAG)至关重要，它由领域知识库、检索器、生成器(大模型)3大基础组件构成。其中，城轨行业知识库作为核心组件，结构化并语义向量化存储行业知识；检索器根据用户提问，精准理解用户意图并在知识库中迅速关联语义相关数据；生成器(大模型)结合检索结果和用户问题，生成符合要求的可信内容，从而提升大模型回答的准确率。
然而，当前行业内RAG技术的实际应用状况却差强人意，主要存在两个层面的问题：一是知识库建设层面，知识库作为RAG技术的运行基础，其质量优劣对RAG技术性能起着决定性作用，但目前城轨行业尚缺乏一个高质量的行业知识库，各企业自建知识库普遍存在知识覆盖不全、数据源杂乱、术语不统一、语义含混、更新滞后等问题；二是知识图谱支撑层面，行业知识图谱作为知识库的神经中枢，在构建行业知识库时，担负着实体齐全、概念清晰、关联准确、业务顺畅的核心职能。倘若构建的知识图谱范围不全、质量不高，那么定会导致RAG技术语义关联能力弱、准确性差。基于此，本文研究了基于深度知识图谱的城轨大模型RAG知识库构建，以推动各城轨大模型更好地实际应用。
1城轨行业知识库概述
1.1城轨行业知识库简介
城轨行业知识库是指在传统结构化知识库的基础上，基于城轨专业知识构建深度知识图谱，并实现全部数据向量化的行业知识管理系统。它由行业凝心聚力，共同完成，覆盖各层级项目的全生命周期、全专业、全场景，涉及各利益相关方的知识、信息、数据，除传统知识库的各种功能外，还能为企业智能体及大模型构建提供高质量数据集、精准知识支持以及可信推理保障等基础支撑。本文提出的城轨行业知识库构建思路与技术路线，也可为城轨企业知识库的构建提供借鉴与参考，城轨行业知识库与大模型的关系如图1所示。
传统知识库以全文存储和关键词检索为主，仅完成了碎片化及关键词索引构建，并未进行语义向量化，语义关联性弱；而城轨行业知识库则是在传统知识库已完成碎片化的基础上，实现了知识语义化、特征向量化，可提供向量数据检索，同时知识具备跨专业、跨生命周期、跨场景等交叉关联，知识关联性强。城轨行业知识库可通过RAG技术，为城轨企业大模型提供以下服务：
1)提升训练微调效率。HaoranQue等指出，将法律、数学、代码、化学、音乐、医疗6个行业的数据，按照特定比例与社会通识数据进行融合，基于此融合数据集来训练垂直大模型，仅需投入不到社会通用大模型10%的训练成本，即可完成训练，有效提升垂直大模型的训练微调效率[2]。
2)提高推理准确性。腾讯优图通过构建一个涵盖53本医学专著和超过38万个医学问题的知识库，大大提升了大模型对医学问题回答的准确性[3]，法律知识库通过RAG技术使得Athena大模型在法律场景回答准确率高达95%[4]。
3)增强大模型安全合规性。模型输出结果自带内容溯源(如引用的标准规范条款)，可追溯每条结论的数据源头。
1.2城轨行业知识库架构
城轨行业知识库架构，是以知识体系为内容核心，以知识库平台为技术载体，以知识单元为智能组件，构建起数据采集→结构化→向量化→知识化的完整链路，服务于城轨行业的多样化场景，如图2所示。在此架构下，首先对采集到的各类数据资源进行结构化处理，再对知识体系进行向量化处理，并将其加工成数据向量库，最后在知识库平台上封装为方便调用的知识单元——智能组件。
1.2.1知识体系
知识体系是城轨行业知识库构建的内容核心，包含知识采集与知识加工两大环节。
1)知识采集：数据种类包括文本、图像、视频、语音等多模态数据。数据来源主要包括政府部门、行业协会、城轨相关企事业单位等行业正规渠道。
2)知识加工：通过人机交互构建深度知识图谱，并进行数据标注，最后实现数据向量化。1.2.2知识库平台
知识库平台由基础模块、知识模块和应用模块3大模块协同构成，如图3所示。
1)基础模块：提供算力支撑与硬件环境，包括智能计算集群(GPU/TPU)、分布式存储系统及机房设施，保障知识服务的高效稳定运行。
2)知识模块：主要由知识库系统与其他系统构成，其中知识库系统包含数据层、解析层、功能层、服务层，实现知识的全流程管理。
3)应用模块：面向大模型的智能服务接口，支持自然语言处理(NLP)、计算机视觉(CV)、智能体(Agent)等模型的训练微调与复杂推理。应用模块通过与这些大模型的紧密协作，将城轨行业知识库中的知识转化为实际生产力，满足行业多样化的业务需求。
1.2.3知识单元
知识单元是基于城轨行业分类特点封装的可复用知识模块，由文档、术语词典、实体分类表、实体关系库、知识图谱、结构化数据库、向量化数据库、数据集等知识模块构成，如团标单元、年鉴单元、百科全书单元、统计分析报告单元等。城轨企业通过标准化API接口可直接调用知识单元，快速形成模型训练微调或推理决策所需的可靠语料与数据。知识单元支持动态更新，确保与行业政策、标准规范、实时资讯等内容的同步迭代。
1.3城轨行业知识库的核心价值
城轨行业知识库的核心价值在于知识质量高与覆盖范围大，二者共同构成RAG技术高效运行的基石。
1.3.1知识质量高
城轨行业知识库的知识质量高主要体现在数据来源的权威性和数据表征的准确性两方面。
1)数据来源的权威性指城轨行业知识库需要聚合各类经过审验的可靠数据，如标准规范、行业年鉴、协会文件、分析报告等。通过纳入这些来源明确的数据，可为知识库奠定坚实基础，同时要坚决避免未经审验的信息，以免对知识库的严谨性和可靠性造成损害。
2)数据表征的准确性包含术语标准化和知识结构化两部分。术语标准化要求关键概念的定义严格遵从相关标准规范，从而杜绝术语存在歧义现象。鉴于城轨行业的复杂性以及协同作业的特性，一致、精准的术语定义对于各方顺畅沟通与高效协作至关重要。知识结构化指借助深度知识图谱，让各个知识点相互关联且层次清晰，这不仅便于知识的存储和管理，更能让RAG技术在检索知识时，迅速、精准地定位与问题相关的知识块，为大模型提供全面、准确的知识支撑。
1.3.2覆盖范围大
城轨行业知识库需实现全生命周期、全空间层级、全利益相关者、全专业、全制式、全场景的覆盖。可按照急用先行的原则从行业共性文本知识开始，范围逐步扩展。全生命周期确保项目各阶段的知识连贯，全空间层级满足从宏观系统到微观单元的多元知识诉求，全利益相关者助力各方协同合作从而提升城轨系统综合效益，全专业促进跨专业知识的交融与关联，全制式适配各类城轨项目独特需求，全场景保障灵活应对城轨交通复杂多变的业务场景。
2深度知识图谱构建
2.1定义与特点
本文的深度知识图谱是传统知识图谱在城轨行业的深化与拓展，由实体分类表、术语词典、属性库、实体关系表组成，以解决行业知识离散、语义混乱、特征未辩、逻辑缺联等问题，实现城轨行业知识的精准表达与深度应用。相较于传统知识图谱，深度知识图谱的优势体现在以下3个方面：
1)表征精准：传统知识图谱聚焦于实体A-关系-实体B的三元组结构，以简单直观的平面化方式描绘知识间的基本关联，往往缺乏特定行业的术语解释、实体属性。深度知识图谱采用分类骨架→语义基准→特征规则→逻辑关系的四维架构，基于城轨行业特性、语义规范，尤其是强调了实体的行业属性，极大地增强了知识体系的标准化与立体化。
2)广度扩展：深度知识图谱全面覆盖城轨全生命周期、全空间层级、全利益相关方、全专业、全制式、全场景，知识覆盖范围更为广泛。
3)深度突破：深度知识图谱实现细粒度语义关联解析，从宏观系统到微观单元，实体分类层层深入，对知识进行细致剖析；同时设置动态约束，关系附加时效性等。
2.2实体分类表
实体分类表是深度知识图谱的层级化骨架，通过树状编码体系实现城轨实体的逐级分类与唯一标识。实体包括术语类与非术语类。术语类涵盖国家标准、行业标准、团体标准、(部分)地方标准中的专业术语；非专业术语类，指行业词汇与通用词汇。该表的构成要素包括分类框架和编码规则：1)分类框架：依据一心三轴四圈层[5]划分为A(城轨一心类)、B(城轨三轴类)、C(城轨四圈层类)三大类，如表1所示；
2)编码规则，采用字母搭配数字层级码，以字母标识大类，如A、B、C类，数字编码则用于逐级细化层级，像从A-01进一步细分到A-0101……01，以此确保每个实体ID在全局范围内独一无二。原则上，在ABC三类中，实体不存在重复情况。例如，实体接触网的编号为A-0101010101，清晰归属于城轨一心类A-运行系统01-供电系统0101-牵引供电010101→牵引网01010101→接触网0101010101→架空接触网010101010101→刚性架空接触网01010101010101这一分类，精准明确了其分类结构与上下类关系。
2.3术语词典
术语词典是深度知识图谱的重要语义基准，通过标准化解决行业术语多义性问题，术语定义必须引用相关标准规范。
2.4属性库
属性库是深度知识图谱的实体特征库。属性库由编号、标签、类型、行业属性、基础属性五类特征构成，形成实体特征描述的完整框架。1)编号(ID)：层级化编码(如A-0101010101)是实体(接触网)唯一标识，体现分类归属；2)标签：实体的中英文对照名(如实体接触网的标签为接触网-catenary)，确保人机交互一致性；3)类型：采用实体分类表中的父类编码(如实体接触网的类型为牵引网的ID，即A-01010101)，以此限定继承范围；4)基础属性：包括词性、情感、同义词(如接触轨与第三轨)、近义词(如牵引变电所与牵引降压混合变电所)及元数据(如版本号V2.3、状态有效)等，并动态管理。5)行业属性：对每一个术语或特殊名词的个体属性进行解释，以明确实体的功能。每个行业属性是一个属性组，组内属性一方面要考虑与上下父类与子类的继承关系，另一方面还要考虑全生命周期各场景中的特征表现。示例：如实体接触网的编号(ID)为A-0101010101，标签为接触网-catenary，类型为A-01010101(此为其父类牵引网的ID)；行业属性有①供电连续性：电分段？电不分段？②电压等级：直流1500V？直流750V？等等；基础属性相关标注为词性名词，情感中性，各种元数据等。
2.5实体关系表
实体关系表构建实体间的知识逻辑网络，包含10类基础关系及关系属性等。实体关系可根据10类基础关系进行构建，如表2所示。考虑到实际的具体任务与行业特性，这些关系类型并非固定不变，可依据需求调整或扩展，不必局限于这10种。比如，还可以设置方向性属性(单向关系与双向关系)，轨道交通建设(实体A)促进城市发展(实体B)，反过来，城市发展(实体B)促进轨道交通建设(实体A)，这两者就是一种双向关系；添加权重属性用来表明关系强度，像关键关系或次要关系，如新线规划(实体A)的关键权重是线路途经人口密集区(实体B)；还有时间有效性属性用以记录关系的时间范围，如某一标准规范的有效时间等。
3基于深度知识图谱的高质量城轨知识库构建
对城轨交通行业而言，高质量知识库构建的重点在于知识体系建设，而其难点又在于其中的数据标注。因平台部署与知识单元封装属于成熟技术，本文不再赘述。研究团队参照国家发展改革委员会的相关文件[6-7]，将数据标注解构为数据筛选、数据清洗、数据分类、数据注释、数据标记、质量检验共六大步骤，这是基于深度知识图谱实现知识向量化，并最终构建城轨行业知识库的过程。
3.1数据筛选
根据数据类型，城轨数据可以分为文本数据、图像数据、视频数据和音频数据。根据知识通用性，城轨知识可以分为两通两私：社会通识知识、行业通用知识、企业私域知识和个人私有知识。以城轨文本数据为例进行分层说明，如表3所示。数据筛选是知识体系建设的初始阶段，其核心目标是从海量城轨数据中提取符合大模型训练与推理需求的高价值语料等原始数据，确保数据质量与业务的相关性。
3.2数据清洗
数据清洗是根据深度知识图谱的术语词典与属性库对文本进行纠错去重、降噪、消歧等结构化处理，确保数据格式与语义的规范性，将原始文本转化为规范化的数据。
3.3数据分类
数据分类分为两步，第一步是基础分类，第二步是行业分类。基础分类以内容分类、词性分类等为主，行业分类是在基础分类的基础上，根据深度知识图谱进行细化。
1)基础分类：包括内容分类(篇、章、节、段、块)，词性分类(名词、动词、形容词等)、情感分类(文本的积极、中性、消极情感倾向等)等[8-10]。基础分类可通过机器完成。
2)行业分类：对城轨交通的实体基于实体分类框架划分层级，确定实体编号(ID)、标签、类型。行业分类以人工主导、机器为辅助，通过人机交互完成。城轨交通的实体一般属于名词或名词性描述，包括概念、命名实体，时间实体，数值实体，事件实体，评价实体等。
3.4数据注释与标记
数据注释与标记的重点对属性标注。基础属性由机器完成，行业属性则通过深度知识图谱，通过人工注释与标注，并通过机器转化为合适维数的向量化数据。需要注意的是，向量化数据并不是维数越高越好，向量的维数需根据任务需求、数据规模和计算资源进行权衡。
3.5质量检验
质量检验分为基础检验和行业检验，形式上为人机协同，即先通过机器检验再人工抽样检查。基础检验是通过机器确保标注与语义保持一致性。行业检验是基于深度知识图谱检验标注是否符合实体分类表、术语词典、属性库、实体关系表，并同步检查新增标注与历史版本兼容性的对比，避免知识冲突。
4城轨行业知识库在RAG技术中的核心作用
4.1提升RAG技术价值发挥
知识库为RAG技术提供城轨专业知识支持，快速定位城轨复杂场景的关联知识，从而解决城轨大模型的知识泛化、输出欠准等幻觉问题。
4.2驱动RAG语义解析升级
基于深度知识图谱的知识库，使检索器能够将口语化或非标准以及深度专业的用户提问，与知识库进行语义对齐，转换为标准、规范、专业的术语，消除自然语言中的歧义表达，使得生成器(大模型)输出精准结果。
4.3保障RAG能力动态演进
知识库的动态更新使RAG技术能力与行业发展同步，并持续适应城轨复杂巨系统的演变。
4.4支撑RAG输出溯源闭环
知识库使得RAG生成的结果合规、可信。知识库支撑生成器(大模型)每条输出均可关联具体的知识来源，形成输出结果-知识来源-原始文件的溯源路径。
5结束语
城轨行业知识库是在传统知识库仅进行碎片化的基础上，结合蕴含行业属性的深度知识图谱，构建的全文向量化数据库。它包括原始文档、术语词典、实体分类表、实体关系库、知识图谱、结构化数据库、向量数据库和高质量数据集等多种数据库。作为各城轨企业一个外挂的行业知识库，除提供传统知识库关键词查询检索等功能外，还将有效提升城轨大模型的训练与微调效率，同时作为城轨大模型RAG技术的核心组件，将大大提高城轨大模型检索增强及其输出结果的精准度，包括为各种智能体决策提供多种数据服务。未来课题组还将围绕知识丰富-技术适配-工具开发三大方向继续研究。
1)知识丰富：融合图像、音频、视频等多模态数据，不断提高知识库的知识规模与范围、数量与质量。
2)技术适配：面向AgenticRAG特性优化知识库架构，根据城轨行业特点和用户习惯，借助智能体技术优化RAG调用流程与交互逻辑，进一步提高RAG技术在大模型应用中的效率与价值。
3)工具开发：在通用数据标注工具的基础上，二次开发符合城轨行业特点的城轨数据标注工具，提高行业知识库建设的效率与质量。
消息由中国城市轨道交通网CCRM整理编辑，文章来自都市快轨交通，涉及版权请联系删除，如有转载请标明出处）
