大語(yǔ)言模型驅(qū)動(dòng)的多元關(guān)系知識(shí)圖譜補(bǔ)全方法

摘要： 知識(shí)圖譜通過將復(fù)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(shí)圖譜補(bǔ)全技術(shù)進(jìn)一步增強(qiáng)了知識(shí)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(yīng)用的性能與用戶體驗(yàn)。然而，現(xiàn)有的知識(shí)圖譜補(bǔ)全方法大多專注于關(guān)系類型較少和簡(jiǎn)單語(yǔ)義情景下的三元組實(shí)例，未能充分利用知識(shí)圖譜在處理多元關(guān)系和復(fù)雜語(yǔ)義方面的潛力。針對(duì)此問題，提出了一種由大語(yǔ)言模型(LLM)驅(qū)動(dòng)... （共8頁(yè)）