文章预览
笔记整理：陈少凯，浙江大学硕士，研究方向为知识图谱、RAG 链接：https://arxiv.org/abs/2402.07630 1. 动机 尽管现有研究在多种场景下融合了大型语言模型（LLM）与图神经网络（GNN），聚焦于诸如节点、边及图分类等传统图谱任务，或是解答小规模乃至合成图上的查询问题，但我们的创新成果开辟了一条新路径。我们精心设计了一款弹性十足的问答系统，专为应对复杂且源自现实世界的大规模图数据而生。这一框架赋予用户通过一体化对话界面与图数据直接“对话”的能力，标志着图形数据分析领域一次革命性的进步。 近期学术界的努力尝试将图形结构转化为自然语言表述，比如将节点与边转换为文本序列，以便借助LLM处理各类图相关任务。然而，这种方法遭遇了显著的扩展性瓶颈。当图形包含成千上万个节点与边时，转化成文本序列将导致标记数量
………………………………
