图模互补：知识图谱与大模型融合综述

黄勃; 吴申奥; 王文广; 杨勇; 刘进; 张振华; 陈南希; 杨洪山

doi:10.14188/j.1671-8836.2024.0040

您当前的位置：

首页 >

文章列表页 >

图模互补：知识图谱与大模型融合综述

更新时间：2024-05-13

- 图模互补：知识图谱与大模型融合综述
- KG-LLM-MCom： A Survey on Integration of Knowledge Graph and Large Language Model
- “大模型（LLM）在自然语言处理领域的兴起引领了一场技术革命，其在金融、医疗、教育等垂直领域也取得了显著成果。然而，大模型面临解释性不足、知识实时性差、生成结果存在虚假信息等挑战。为了应对这些问题，知识图谱与大模型的融合成为了研究的新热点。知识图谱，作为一种结构化的知识模型，以其真实性和可靠性成为了提高大模型解释和推理能力的关键工具。而大模型的语义理解能力则为知识图谱的构建和更新提供了有力支持。这种互补关系，被本文称为图模互补。该论文系统性地介绍了知识图谱与大模型融合的方法，从两个角度进行了全面回顾和分析：一是大模型如何增强知识图谱，二是知识图谱如何增强大模型。最后，论文以医学诊断预测和时间知识图谱为例，展示了图模互补在领域应用中的潜力，并探讨了图模互补未来发展的方向。这项研究不仅为知识图谱与大模型的进一步研究提供了重要参考，也为解决当前大模型面临的挑战提供了新的思路和方法。”
  
  ”
- 武汉大学学报（理学版） 2024年页码：1-16
- 作者机构：
  
  1.上海工程技术大学电子电气工程学院，上海 201620
  2.达观数据有限公司，上海 201203
  3.上海宝信软件股份有限公司，上海 201203
  4.武汉大学计算机学院，湖北武汉 430072
  5.中国科学院上海微系统与信息技术研究所，上海 200050
  6.星环信息科技（上海）股份有限公司，上海 200233
- 作者简介：
  
  黄勃，男，副教授，现从事人工智能，软件工程研究。E-mail：huangbosues@sues.edu.cn
- 基金信息：
  
  国家重点研发计划(2020AAA0109300);上海地方能力建设项目(21010501500);上海市科技创新行动计划(21DZ1204900)
- DOI：10.14188/j.1671-8836.2024.0040
  中图分类号： TP391
- 网络出版日期：2024-05-13，
  
  收稿日期：2024-03-11，
扫描看全文
黄勃，吴申奥，王文广，等.图模互补：知识图谱与大模型融合综述［J］.武汉大学学报（理学版），XXXX，XX（XX）：1-16. DOI：10.14188/j.1671-8836.2024.0040.

HUANG Bo，WU Shen'ao，WANG Wenguang，et al.KG-LLM-MCom： A Survey on Integration of Knowledge Graph and Large Language Model ［J］.J Wuhan Univ （Nat Sci Ed），XXXX，XX（XX）：1-16. DOI：10.14188/j.1671-8836.2024.0040（Ch）.
黄勃，吴申奥，王文广，等.图模互补：知识图谱与大模型融合综述［J］.武汉大学学报（理学版），XXXX，XX（XX）：1-16. DOI：10.14188/j.1671-8836.2024.0040. DOI：

HUANG Bo，WU Shen'ao，WANG Wenguang，et al.KG-LLM-MCom： A Survey on Integration of Knowledge Graph and Large Language Model ［J］.J Wuhan Univ （Nat Sci Ed），XXXX，XX（XX）：1-16. DOI：10.14188/j.1671-8836.2024.0040（Ch）. DOI：

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

细粒度可循证医药学文档知识融合表示和推理

基于知识图谱的嵌入式操作系统测试用例复用推荐模型

基于超声检查报告的乳腺癌诊断知识图谱构建

建筑领域文档推荐模型设计与实现

基于指针级联标注的中文实体关系联合抽取模型

图模互补：知识图谱与大模型融合综述

KG-LLM-MCom： A Survey on Integration of Knowledge Graph and Large Language Model

DOI：10.14188/j.1671-8836.2024.0040