法律知识图谱 · 大模型实战

30章 · 从入门到精通
01
什么是知识图谱 法律领域特殊性 与大模型关系 课程架构
02
法律文书来源 爬虫与API 数据清洗 结构化处理
03
规则抽取 BiLSTM-CRF 大模型实体抽取 实体对齐
04
模板抽取 远程监督 大模型Few-shot 关系融合
05
图数据库选型 Cypher入门 Schema设计 索引分区
06
Python+Neo4j CSV/JSON导入 节点关系创建
07
复杂关系建模 属性图/RDF 质量评估
08
Transformer GPT-4/Claude/文心 法律微调
09
Prompt工程 LoRA/QLoRA 领域预训练 RLHF
10
KG增强LLM(RAG) LLM增强KG 双向融合
11
向量数据库 文档切分 Embedding 检索重排序
12
问答系统 法条检索 多轮上下文 幻觉缓解
13
GraphRAG 路径推理 多跳问答 可解释性
14
规则+统计推理 类比推理 大模型逻辑链
15
起诉状模板 图谱事实描述 大模型润色 合规检查
16
FAQ分类 多轮状态 图谱答案生成 意图识别
17
图谱关联分析 合同风险识别 动态监控
18
图谱结构相似度 大模型语义 混合相似度 Top-K检索
19
增量更新 版本管理 大模型校验 数据漂移
20
数据隐私 模型偏见 可解释性 法律责任
21
微服务vs单体 图谱服务 大模型推理 API网关
22
量化INT8/FP16 vLLM部署 缓存策略 GPU管理
23
React/Vue D3.js/Cytoscape 对话界面 移动端
24
FastAPI/Flask Celery异步 连接池 日志监控
25
图谱质量指标 大模型评估 端到端测试
26
需求分析 图谱构建 审查逻辑 系统集成
27
图谱类案检索 大模型摘要 个性化推荐 效果评估
28
多轮对话 图谱问答 大模型回答 部署运维
29
多模态图谱 Agent自动化 深度融合 未来挑战
30
核心知识点 项目展示 常见问题 进阶路径