欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

医药文献智能检索 RAG 实践:用 PubMedBERT 与 FAISS 构建可问答的科研文献库

上邦 AI 工程团队2026-09-11阅读 约 9 分钟
医药研发人员面对海量 PubMed 文献,关键词检索召回有限。本文给出可复现的 RAG 方案:用 PubMedBERT 生成医学语义向量,FAISS 建立索引,实现“以问找文”的语义检索与问答,并给出增量更新、结果溯源、上下文拼装与合规大模型接入的实施要点。

为什么用医学专用嵌入

通用句向量模型在医学术语、缩写与同义表述上表现有限。PubMedBERT 是在 PubMed 语料上预训练的语言模型,其句向量变体对医学文献的语义相似度判断更准,配合向量数据库可实现“用一句话问题检索相关论文”的语义召回,而非仅匹配关键词。

步骤一:生成文献向量

将每篇文献的标题+摘要编码为向量,使用 sentence-transformers 加载 PubMedBERT 嵌入模型:
from sentence_transformers import SentenceTransformer

model = SentenceTransformer('neuml/pubmedbert-base-embeddings')
docs = [
    'Title: xxx. Abstract: yyy',
    'Title: aaa. Abstract: bbb',
]
emb = model.encode(docs, normalize_embeddings=True)
print(emb.shape)  # (n_docs, 768)

步骤二:用 FAISS 建索引并检索

将归一化向量写入 FAISS 索引,查询时做内积(等价于余弦相似度)检索:
import faiss
import numpy as np

index = faiss.IndexFlatIP(768)
index.add(np.asarray(emb, dtype='float32'))

q = model.encode(['糖尿病最新治疗进展'], normalize_embeddings=True)
scores, idx = index.search(np.asarray(q, dtype='float32'), k=5)
for i, s in zip(idx[0], scores[0]):
    print(round(float(s), 3), docs[i][:60])

步骤三:接大模型做问答

① 召回:用上述向量检索取 Top-K 相关文献作为上下文;
② 拼装:将文献片段与用户问题组成提示词,交给本地或合规大模型;
③ 溯源:要求模型在回答中标注引用文献,保证可复核;
④ 增量:新文献入库时仅编码新增部分并 add 到索引,避免全量重建。

参考来源

PubMedBERT Embeddings - Hugging Face;FAISS 官方文档 - Meta AI(GitHub);ncbi/MedCPT - Hugging Face。
相关标签:医药AIRAGPubMedBERTFAISS文献检索

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案