大語言模型驅(qū)動的多元關(guān)系知識圖譜補全方法

摘要： 知識圖譜通過將復雜的互聯(lián)網(wǎng)信息轉(zhuǎn)化為易于理解的結(jié)構(gòu)化形式，極大地提高了信息的可訪問性。知識圖譜補全技術(shù)進一步增強了知識圖譜的信息完整性，顯著提升了智能問答和推薦系統(tǒng)等通用領(lǐng)域應用的性能與用戶體驗。然而，現(xiàn)有的知識圖譜補全方法大多專注于關(guān)系類型較少和簡單語義情景下的三元組實例，未能充分利用知識圖譜在處理多元關(guān)系和復雜語義方面的潛力。針對此問題，提出了一種由大語言模型(LLM)驅(qū)動... （共8頁）