一种面向知识图谱检索增强生成的联合优化方法

本发明公开了一种面向知识图谱检索增强生成的联合优化方法，旨在解决现有轻量级知识图谱检索增强生成(KG‑RAG)框架中因检索器精度低而导致的性能瓶颈问题。本发明通过对训练目标和模型架构进行联合优化，采用基于间隔的成对排序损失函数直接优化三元组的排序顺序，确保关键证据排名靠前，使其更符合检索任务的本质。同时，本发明设计了一套增强的特征工程与交互架构，通过并行的“结构化”与“查询‑关系感知”的混合方向性距离编码(Hybrid DDE)来捕捉深层图结构与动态语义信息，再结合显式特征交叉网络高效建模查询与三元组之间的高阶交互，为精准排序提供高质量的特征基础。本发明通过为下游大型语言模型提供更高质量、低噪声的证据子图，显著提升了检索精度与端到端复杂问答任务的性能。