基于GraphRAG的税务财务智能问答系统(Neo4j_大语言模型)

一、项目演示视频

b站演示视频与部署教程视频(点击这里)

https://www.bilibili.com/video/BV1asK26PEsu/?share_source=copy_web\&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1

项目简介

本项目是一个面向税务财务领域的智能问答与知识管理系统,采用前后端分离架构,集成 GraphRAG(图检索增强生成)技术。系统通过 Neo4j 构建税种、计税基础、申报步骤、税法法规、发票凭证、优惠政策等实体的知识图谱,结合大语言模型实现精准的知识检索与自然语言问答,并支持文档管理、税种档案、申报记录管理及知识图谱可视化等功能,为税务财务知识服务提供一体化平台。

二、技术栈

  1. 前端技术栈 (web-vue)

    核心框架: Vue 3.5 + TypeScript 5.7

    UI组件库: Element Plus 2.9

    数据可视化: ECharts 5.6

    状态管理: Pinia

    路由管理: Vue Router 4

    构建工具: Vite 6.1

    HTTP客户端: Axios

    Markdown渲染: Marked

    样式: SCSS

  2. 后端技术栈 (web-flask)

    核心框架: Flask (Python)

    数据库: SQLite 3

    图数据库: Neo4j 5.28

    大语言模型: 通义千问 API (qwen3.6-plus 文本模型 + qwen3-vl-flash 多模态模型)

    依赖库: Flask-CORS + PyJWT + python-docx + pdfplumber + openpyxl + neo4j-driver

三、功能模块

核心创新点

  1. 知识图谱驱动:使用 Neo4j 构建税务财务领域复杂实体关系网络(18种实体类型、18种关系类型)
  2. GraphRAG 技术:三路并行检索(知识图谱 Top-7 + 税种档案 Top-5 + 申报记录 Top-5),结合图谱提升问答准确性
  3. 智能三元组提取:使用 LLM 从文档中自动提取<头实体, 关系, 尾实体>三元组,多线程并发加速
  4. 多模态问答:支持上传票据/申报凭证图片进行识别和问答(qwen3-vl-flash 模型)
  5. 知识图谱可视化:ECharts 力导向图交互展示,支持节点/关系类型过滤、1-3跳邻居搜索
  6. 异步图谱构建:支持全量重建与增量构建,任务异步执行并实时查询进度
  7. 文档溯源:每个知识三元组关联源文档 ID,支持知识追溯

核心功能模块

用户端:注册登录、智能问答(多轮对话)、会话管理、问答历史、Word导出、个人中心

管理端:数据统计看板、用户管理、文档管理、知识图谱管理与可视化、税种档案管理、申报记录管理

应用场景

  1. 税种政策与计税基础查询:快速检索增值税、企业所得税等税种的计税基础、适用条件与申报要点
  2. 申报流程与办税系统咨询:查询申报步骤、办税系统使用方式及相关税务机关信息
  3. 优惠政策与扣除项目检索:检索税费优惠政策、扣除项目适用范围与办理条件
  4. 发票凭证与税务风险咨询:查询发票凭证开具要求、核验方法及常见税务风险点
  5. 税法法规文档管理:上传和管理税务财务相关文档,自动构建知识图谱
  6. 票据/申报凭证图片识别问答:上传票据或申报凭证图片进行识别与智能问答

四、项目链接

基于GraphRAG的税务财务知识图谱系统(Neo4j_大语言模型).zip

链接: https://pan.baidu.com/s/1ZnOugU2ofofVwUx-7GYCPQ?pwd=tx2n 提取码: tx2n

  1. 完整系统源码
    (1)前端源码(web-vue)
    (2)后端和算法端源码(web-flask)
  2. 项目启动教程
    (1)环境安装教程(视频+文档)
    (2)系统启动教程(视频+文档)
  3. 项目文档
    (1)系统介绍文档
    (2)数据库开发文档
    (3)API 接口文档
    (4)系统使用注意事项
  4. 系统PPT
    (1)系统架构图
    (2)数据流图
    (3)逻辑时序图
    (4)功能模块概要图、功能模块图
    (5)知识图谱构建流程图
    (6)GraphRAG 检索模块流程图
    (7)数据库 ER 图
相关推荐
满怀冰雪8 小时前
19-图像数据处理:PaddleVision Transform 实战
人工智能·深度学习·计算机视觉·paddle
IT_陈寒8 小时前
Vue的响应式让我原地破防,原来问题出在这
前端·人工智能·后端
带娃的IT创业者9 小时前
Kimi-K3 开源背后:2.8 万亿参数的“暴力美学”与智能体的新拐点
人工智能·开源·大模型·智能体·开源模型·kimi-k3·moonshot ai
m0_380743879 小时前
实战看出 LLM API 的隐性消耗
人工智能
hansang_IR9 小时前
【题解】LC:倍增 / 区间并查集(Range Parallel Unionfind)
c++·算法·并查集
安逸Ai9 小时前
Claude Code、Cursor、Copilot 这类工具通常如何理解项目上下文?
人工智能
烟雨江南7859 小时前
2026汽车制造与新能源整车柔性产线Agentic-Workflow白皮书:跨APS_MES_ERP多智能体动态排产与装配容错实战
大数据·网络·人工智能·自动化·ai客服·企业agent
星栈10 小时前
AI 时代,人和 AI 的关系,我的一点思考
人工智能
鲜于言悠90510 小时前
Claude Code重大更新:多会话可互相通信,告别手动复制上下文
人工智能
甲维斯10 小时前
给Claude Code配上DeepSeek,调用kimicu控制电脑
人工智能·agent