最近NLP领域的大模型风头正劲，结合之前自己做信息抽取任务时为了效果尝试的各种trick，便有了利用大模型进行信息抽取的想法。做了个简单尝试，效果确实惊艳：
这个效果简直炸裂，对其中的上市公司和标的公司再做一步共指消解便可以生成可以使用的结构化数据。结构化数据进一步就可以灌入知识图谱，进行知识推理。
现有的知识图谱架构大致如下：
现有知识图谱架构
上面的现象基本上意味着现有的知识图谱架构中的信息抽取的部分可以直接被大模型替代了。
知识融合中的共指消解与实体消歧这两个NLU任务也基本可以被大模型替代。
知识图谱存在的意义可能就只剩下基于图谱推理了。这一部分目前看还不容易被大模型替代。相反，基于知识图谱的推理反而能够解决大模型目前表现不佳的“一本正经胡说八道”的问题。
综上，目前来看，知识图谱中的知识获取、知识融合等模块很可能被大模型替代。而基于知识图谱的推理则是目前能够与大模型共存的。
本文正在参加人工智能创作者扶持计划
