Page 146 - 《武汉大学学报（信息科学版）》2025年第6期

1168 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 6 月

最 终 ，该 智 能 体 生 成 结 构 化 的 风 险 识 别 结 式构建响应策略，目标是根据前期识别的地震灾
果，并作为输入传递至响应措施生成环节，支撑 害风险，生成一套具有结构完整性、资源适配性
后续的应急方案匹配与文本生成。实验结果表 与操作可行性的应急响应方案。整体流程结合
明，该智能体能够有效整合外部数据，提高地震 Neo4j 知识库的结构化查询能力与 LLM 的语言
灾害风险评估的全面性和准确性，为后续预案自 生成能力，旨在缓解模型独立生成带来的幻觉问
动生成提供可靠的数据支撑。 题，提升内容的专业性与准确性。图 7 展示了该
2.3.3 知识增强的响应措施生成 方法的整体执行路径。
本阶段以“知识检索+内容生成”的混合方 任务起始于接收风险分析阶段的结构化输

图 7 知识增强的响应措施生成流程
Fig. 7 Knowledge-Enhanced Response Measures Generation
出信息，系统根据灾害类型、预案适用级别等关 整合重复资源项、统一保障手段，并通过语义优
键信息，利用事先构建的 Cypher 查询语句，在知 化确保段落间表达风格一致，结构协调。
识图谱中检索与特定风险情境相匹配的应急处 值得注意的是，该任务流程在匹配知识时引

置措施、保障策略、所需资源及相关资源提供机 入了“实施级别”这一过滤条件，即同一类风险将
构 。 通 过 该 查 询 过 程 ，可 实 现 高 精 度 的 知 识 召 根据预案适用范围（如省级、市级、县级）选取不
回，确保后续生成基于可靠知识基础，而非依赖 同粒度的策略与资源配置方案，从而增强了生成
语言模型的自由生成。 结果的实际适应性与执行可行性。
在获取初步匹配结果后，调用语言模型对措 实验结果表明，该方法在整合知识图谱与语
施进行理解、归类与扩展，并按照预案模板中动 言模型方面具有较强的协同效果，既能保证内容
态内容填充的结构化要求进行重构。例如，部分 的专业性与规范性，又能满足多级政府在不同场
措施可能缺少具体资源描述或执行机构信息，系 景下的应急编制需求，提升了预案在实际应用中
统将自动补全缺项，并生成符合章节逻辑的完整 的可操作性与决策支持价值。
响应内容。每项风险均生成独立的应对子方案， 2.3.4 大模型驱动的格式优化与质量评估
覆 盖 灾 害 发 生 前 、发 生 时 及 灾 后 恢 复 等 不 同 阶 在智能预案自动生成的最后阶段，该工作流
段。为提升内容连贯性与整体一致性，系统在完 将对初步生成的预案文本进行结构性重构与质
成各子方案后，还将所有应对策略进行合并与优 量控制，以进一步提升内容的规范性、清晰度与
化。该合成过程由语言模型负责执行，重点在于 可执行性。