Graph2Idea：基于图结构化上下文的检索增强型科学创意生成

针对现有基于大语言模型的科学创意生成方法多依赖扁平文本检索，导致信息冗余且难以追踪跨文献关系的问题，本文提出 Graph2Idea 框架。该方法将检索到的文献转化为结构化知识三元组，动态构建以目标为中心的知识图谱，提取紧凑的图衍生上下文以减少噪声。通过两阶段生成过程，先识别有前景的研究方向，再引导 LLM 基于图证据合成候选创意。实验表明，该方法在新颖性、质量和可行性上均显著优于基线模型。