**KG-RAG4SM：基于知识图谱的检索增强生成解决模式匹配难题**

_Knowledge Graph-based Retrieval-Augmented Generation for Schema Matching_

> 针对传统相似性匹配缺乏常识与领域知识以及大语言模型易产生幻觉的局限，该研究提出了 KG-RAG4SM 框架。该方法通过整合 LLM、向量及图遍历等多种检索机制，从外部知识图谱中提取相关子图，在不需重新训练的情况下显著提升了模式匹配的精度与 F1 分数。实证分析表明，该方案能有效缓解 LLM 在模式匹配中的幻觉问题，并在常识与领域特定知识图谱上均表现出优异的可扩展性与性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2501.08686)