MedKGGPT:基于知识图谱的医疗大型语言模型设计方法

来源：计算机技术与发展杂志2024年第06期北京时间：

作者：顾鹏辉;李涛;高阳

摘要：大型语言模型(Large Language Models,LLM)已经成为现今主流的研究热点,而垂直领域行业大模型则成为落地应用的关键点,以医疗为代表的大型语言模型有着可解释性、可靠性、高安全性等要求。 针对这类问题,提出 MedKGGPT 模型,一个基于 ChatGLM 的模型,并提出一种面向医疗领域的知识图谱(Knowledge Graphs,KGs)和 LLM 相结合的框架。 框架主要包含两个部分:首先,通过 KG 三元组中的实体和关系,提出了一种基于 KG 结构数据的提示工程方法,使得 LLM 更加具有医学领域的专用知识,提高 LLM 的可解释性;其次,提出一种利用 KG 来对齐 LLM 的方法,将 LLM 的输出与 KG 的相关知识进行比较,验证 LLM 输出结果的一致性和准确性,从而增强了 LLM 在医疗领域的安全性。 实验结果表明,最终生成的 MedKGGPT 模型能够输出更加具有安全性的结果,说明 KG 能够有效增强 LLM 的可解释性,为 LLM 应用在医疗领域提供了帮助。

关键词：大型语言模型;医疗;知识图谱;提示工程;ChatGLM