利用知识图谱和大语言模型进行法条推荐：以中国刑法为例

司法效率对社会稳定至关重要。然而，在世界许多国家，基层法院面临大量案件积压，司法判决仍然严重依赖法官的认知努力，缺乏足够的智能工具来提高效率。为了解决这个问题，我们提出了一种结合知识图谱和大语言模型的高效法条推荐方法。首先，我们构建了一个案例增强的法条知识图谱来存储现行法条、历史案例信息及其相互关联，并辅以基于大语言模型的自动构建方法。在此基础上，我们提出了一个结合图嵌入检索和基于知识图谱的大语言模型推理的闭环法条推荐框架。在中国裁判文书网的判决文书上的实验表明，我们的方法将法条推荐准确率从 0.549 提升至 0.694，显著优于强基线方法。为支持可复现性和未来研究，所有源代码和已处理的数据集均在 GitHub 上公开。