OMAGR：本体引导的多锚点法律图检索

交通法责任的确定对于分配法律处罚至关重要，需要同时识别多个法律维度上相互依赖的法律规定。然而，现有的检索增强生成方法面临多维检索瓶颈：单轴架构将复杂的法律查询压缩到单个路径中，导致相互依赖的法定维度被忽视。为了解决这个问题，我们提出了 OMAGR，一个本体引导的框架，它将查询分解为本体对齐的锚点，并在每个维度上执行并行图检索，确保融合之前跨维度的独立检索。为了评估所提出的方法，我们创建了 TrafficLaw-QA 数据集，这是一个经过专家验证的基准数据集，包含 200 个问题和 527 条法律条款。结果表明，TrafficOmni-RAG 在上下文精确率和 忠实性 指标方面优于基线。研究结果表明，并行多锚检索有效解决了多维检索瓶颈，为交通法责任认定研究提供了一个有前景的方向。