论文浅尝 | 知识图谱的检索和推理：将知识图谱集成到大型语言模型中用于复杂问答（ACL2024）

文章预览

笔记整理：金龙，浙江大学硕士，研究方向为知识图谱 论文链接：https://aclanthology.org/2024.findings-emnlp.446 发表会议：ACL 2024 1. 动机 尽管大型语言模型在各种自然语言处理任务中表现出色，但其固有的幻觉现象严重影响了它们在复杂推理中的可信度。将可解释的知识图谱与大模型相结合已经成为当下研究的重点。以知识图谱问答任务为例，当前的主要问题：1）是如何准确地从知识图谱中检索特定知识；2）如何使推理模型能够理解和利用这些结构化知识。作者通过构建子图，使用 CoT 推理进一步增强 KG 的检索能力，并重新组织了更有效的知识图谱结构，同时设计了知识图谱相关的指令和持续的预训练策略，使大模型能够有效地学习和内化这种表示形式。 2. 方法 基于子图的检索增强生成范式： 由KG检索和KG在大模型的上的推理两部分构成。 从 KG 中检 ………………………………