大模型与知识图谱在通信文档智能检索中的应用

1. 项目背景与需求解析

中国铁塔作为全球最大的通信基础设施服务商，面临着海量内部文档管理的严峻挑战。在日常运营中，员工需要频繁查阅超过11,200份各类文档，包括系统操作手册、监控终端说明、规章制度等。传统的关键词检索方式存在三大痛点：

1. 检索效率低下：员工平均需要翻阅5-7份文档才能找到准确信息，特别是在处理跨部门业务流程时，检索时间可能长达30分钟以上。

2. 知识碎片化严重：相关知识点分散在不同文档中，缺乏有效的关联机制。例如"基站断电应急处理"涉及电力、网络、安全等多个系统的操作规范。

3. 专业理解门槛高：通信行业的专业术语和复杂流程图（如PTN网络拓扑图）对非技术人员理解困难，新人培训周期长达3-6个月。

典型案例：某省分公司在处理铁塔蓄电池更换流程时，因未能准确关联《动力环境监控规范》与《蓄电池维护手册》，导致监控系统告警误判，造成不必要的维护工单。

2. 技术架构设计思路

2.1 核心架构选型

团队采用"双引擎驱动"的设计理念，将书生大模型与自研擎天平台深度整合：

code复制[原始文档] → [知识抽取] → {
    向量引擎：ChromaDB（处理非结构化文本）
    图谱引擎：Neo4j（存储实体关系）
} → [混合检索] → InternLM-20B → [智能应答]

这种架构的优势在于：

• ChromaDB 擅长处理海量文本的语义相似度匹配（实测QPS>5000）
• Neo4j 可直观表达"审批流程→责任人→文档依据"等业务逻辑链
• InternLM-20B 在通信专业术语理解上准确率达92.3%（内部测试集）

2.2 关键技术突破点

2.2.1 多模态流程图解析

传统NLP模型处理技术流程图时存在明显短板。团队基于InternVL开发的流程图解析模块，通过三级优化策略实现突破：

1. 基础微调：使用2.6万张通用流程图（含UML、BPMN等）进行预训练
2. 领域适配：针对通信网络拓扑图特有的"BBU-RRU-天线"连接关系专项优化
3. 细节增强：对箭头类型（实线/虚线）、注释框位置等细节特征强化学习

实测显示，该模块对PTN网络图的元素识别准确率从68%提升至89%，关