本期介绍江南大学宋晓宁教授等发表在《中国食品学报》第24卷第12期特约专栏（人工智能+食品）上的文章《基于食品知识图谱的智能感知问答》。
一、解决方案
食品安全是关系到公众健康的重要问题，随着人们生活水平的提高和信息需求的增加，如何获取准确可靠的食品安全信息，已经成为社会关注的焦点。然而，现有的智能问答系统在处理食品安全相关问题时，仍然面临许多挑战。例如，传统的问答系统通常依赖固定的问题模板，导致其在面对多变且复杂的问题时效率较低，且缺乏个性化与精准的反馈。这些问题在某些紧急情况下，甚至可能影响到公众对食品安全的正确理解与应对。为了解决这些问题，该研究提出了一种基于大语言模型（LLM）的食品知识图谱智能感知问答系统。该系统通过结合大语言模型、知识图谱与文本向量库，有效地提高了食品安全领域的知识检索效率与准确性。该食品领域的垂直系统为公众提供了一种更为智能和可靠的信息交互方式。
二、技术实现
该研究提出的食品知识图谱智能感知问答系统，综合运用了大语言模型和知识图谱的优势，能够准确理解用户提出的问题，并从庞大的食品安全数据库中迅速检索出相关的信息。这一系统架构的核心，包含了多个关键组件：
1. 大语言模型（LLM）：通过对用户问题进行深度语义分析，理解用户意图，从而生成更加精确的回答。
2. 知识图谱：将食品安全领域的知识结构化，形成关联网络，确保信息的可追溯性和准确性。
3. 向量检索技术：通过对文本数据进行高维向量化，提升知识检索的召回率，从而在庞大的数据集中迅速找到最相关的信息。
试验结果表明，通过上述技术的融合，用户在食品安全信息检索的准确性、效率以及用户体验方面都获得了显著提升。
三、应用前景
该系统的优势不仅体现在技术实现上，更在于其广泛的应用前景。通过精准的知识检索和智能的用户交互设计，系统能够有效应对多种食品安全领域的开放性问题，如“某种食品是否安全”、“如何判断食品的合规性”以及“某食品是否适合特定人群”等。尤其是在面对复杂问题时，系统表现出了较高的灵活性与准确性，能够为用户提供个性化的营养建议及合规咨询。
四、结语
食品安全关乎每个人的生命健康。通过设计基于大语言模型与知识图谱的智能感知问答系统，能够显著提升食品安全领域的知识检索效率与准确性。随着系统的不断完善与数据源的扩展，未来有望为食品安全领域提供更加精准、实时的信息服务，推动食品安全社会治理的透明性和公众信任，具有广泛的应用前景与重要的社会价值。
(0)
