研究动机
大语言模型是黑盒模型，通常无法捕获和访问事实知识。相比之下，知识图谱（KG）、维基百科和花谱等都是结构化知识模型，显式存储丰富的事实知识。知识图谱可以通过提供外部知识进行推理和解释来增强大语言模型。同时，知识图谱本质上难以构建和进化，这对知识图谱中现有的生成新事实和表示未见知识的方法提出了挑战。因此，将大语言模型和知识图谱统一起来，同时发挥各自的优势，是互补的。
具体方法
知识图谱增强大语言模型
KG增强型大语言模型中，KG不仅可以融入大语言模型的预训练和推理阶段，提供外部知识，还用于分析大语言模型并提供可解释性
大语言模型增强知识图谱
在LLM增强知识图谱中，大语言模型已被用于各种知识图谱相关任务，例如知识图谱嵌入、知识图谱补全、KG 构建、KG 到文本生成和 KGQA，以改进性能并促进 KG 的应用
协同大语言模型+知识图谱
在协同大语言模型+知识图谱中，研究人员将大语言模型和知识图谱的优点结合起来，相互增强知识表示和推理。
