“内注知识-外束规范”低资源领域知识图谱构建研究

来源：计算机工程与应用杂志2026年第15期北京时间：

作者：周钰泽, 杨阿祧, 张旻睿

单位：贵州师范大学 大数据与计算机科学学院，贵阳 550025；

摘要：针对低资源领域知识图谱构建中，通用大语言模型易产生领域知识幻觉、结构化输出不可控，且全参数微调计算成本高昂的局限，提出一种LoRA-SIPE（LoRA with structured instruction prompt engineering）结构化条件生成框架，构建“内注知识-外束规范”功能互补机制。在统一监督框架下，通过LoRA低秩适配实现领域语义高效注入，通过结构化指令与监督样本引导模型输出分布向目标结构化空间对齐，有效抑制了强推理模型在复杂指令下的格式崩塌风险。基于CMeIE医疗与NLPCC 2018通用数据集开展实验，实验结果表明，该框架在低资源抽取任务上的性能显著优于现有判别式与生成式基线方法，Qwen3-8B在医疗领域F1值达68.25%，较近年前沿微调方法IEPile及经典基线GPLinker分别提升12.51、5.61个百分点，为垂直领域知识图谱构建提供了高精度低成本的技术路径。

关键词：实体关系抽取,大语言模型,LoRA微调,知识图谱,提示词工程

基金资助：国家自然科学基金地区科学基金（62166008）。