该框图展示了石业欣等人发表于《计算机工程与应用》（2026年）的研究《AW-KG：基于大语言模型的水稻病虫害知识图谱构建方法》，其核心机制是“候选关系入图前，先通过监督式事实校验”。该流程分为三个步骤：a. 生成候选：通过迭代净化文本与实体信息，按图谱模式反思并查补缺失关系；b. 校验关系：将候选三元组输入结合LoRA监督微调的Qwen2.5-7B-Instruct模型，审核候选三元组的事实依据；c. 形成知识图谱：仅保留通过审核的候选关系，过滤错误连接。在自建水稻文本集上，该方法的实验结果显示出极高的准确性：三元组抽取精确率达到0.942，三元组抽取F1值为0.924。该研究通过引入监督式校验器，有效提升了小模型从专业文本中抽取结构化事实的可靠性。无论你是研究知识图谱构建与信息抽取的科研人员、探索大语言模型微调与事实校验的算法工程师，还是致力于将农业知识图谱应用于智能问答系统的开发者，都能从中获得实用的方法框架与实验参考。