以可执行计划形式的专家问题：面向文化遗产叙事的受控 RAG 架构
人工智能
2026-04-06 v1
摘要
非遗保存面临的挑战是随时间推移而导致的集体记忆的消逝。虽然大型语言模型(LLMs)为生成引人入胜的叙事提供了可行之路，但其易产生事实性错误或“幻觉”，使得在以真实性为核心要求的遗产应用中不可靠。为此，我们提出一种基于知识图谱(KGs)的新型神经符号架构，建立透明的“计划-检索-生成”工作流程用于叙事生成。我们方法的关键新颖之处在于将专家问题(CQs)——传统上作为设计时验证工具——转化为运行时可执行的叙事计划。这一方法桥接了高层用户画像与原子知识检索，确保生成过程闭环且可审计。我们使用一个新资源进行验证：Live Aid KG，一个多模态数据集将 1985 年演唱会数据与 Music Meta 本体对齐，并链接到外部多媒体资产。我们对本图进行系统性比较评估三种不同的检索增强生成(RAG)策略：纯符号 KG-RAG、文本丰富的 Hybrid-RAG 和 结构感知的 Graph-RAG。我们的实验揭示了符号检索事实精确性、混合方法的情境丰富性以及图基遍历叙事连贯性之间的可量化的权衡。我们的发现为设计个性化且可控的叙事系统提供了可操作的见解。
引用
@article{arxiv.2604.02545,
title = {Competency Questions as Executable Plans: a Controlled RAG Architecture for Cultural Heritage Storytelling},
author = {Naga Sowjanya Barla and Jacopo de Berardinis},
journal= {arXiv preprint arXiv:2604.02545},
year = {2026}
}
备注
Accepted at the 23rd European Semantic Web Conference (ESWC 2026)