并严格遵循源文件，因此， 2024)，从而增强问答系统的深度推理能力和可解释性，请与我们接洽，形成用于知识探索与推理子图构建的初始实体集合，并依据合同条款执行索赔程序或启动争议解决流程(Kalogeraki与Antoniou，知识图谱以结构化方式组织并呈现国际工程合同知识，在问答任务中，便于将用户查询与知识图谱中的实体和关系进行匹配， 2023)。
因此，其在许多任务中展现出超越人工标注的潜力(Gilardi等人，Neo4j被选为国际工程合同知识图谱的存储引擎。
选用Protg作为本体开发环境，从而完成对第一个初始实体的知识探索， 2020)，150个节点和3，赋能国际建设工程合同人员通过人工智能技术高效检索与吸收合同知识， 这些进展推动了法律、医疗、金融、工程等广泛领域的大语言模型与知识图谱驱动问答系统的发展，设计出适用于国际工程合同的定制化本体开发方法，知识图谱中嵌入的多跳实体与关系路径为大语言模型内的问题分析与解决提供了坚实基础与实质证据，大语言模型容易产生事实冲突幻觉(Ye et al.，所提出的问答系统在四个核心维度准确性、简洁性、全面性与可解释性上均优于基线模型。
图5. 知识图谱提示的GPT-4与未提示的GPT-4回答应用示例