-
题名融合知识图谱的大语言模型研究综述
- 1
-
-
作者
曹荣荣
柳林
于艳东
王海龙
-
机构
内蒙古师范大学计算机科学技术学院
集宁师范学院乌兰察布市智能信息处理与安全重点实验室
-
出处
《计算机应用研究》
北大核心
2025年第8期2255-2266,共12页
-
基金
内蒙古自治区自然科学基金资助项目(2022QN06003,2023LHMS06006,2024LHMS06015)
内蒙古师范大学基本科研业务费专项基金资助项目(2022JBYJ032)
+1 种基金
内蒙古自治区档案馆档案科技项目(2023-13)
无穷维哈密顿系统及其算法应用教育部重点实验室(内蒙古师范大学)资助项目(2023KFYB03,2023KFZD03)。
-
文摘
大语言模型在多个垂直领域应用中展现出卓越性能,但其生成内容存在可解释性不足与幻觉问题,严重制约了实际部署。而知识图谱以结构化语义网络形式存储事实知识,为增强大语言模型的可控性与知识约束提供了新路径。为此,系统梳理知识图谱与大语言模型融合的技术路线,从预训练、模型架构改造、微调优化三个阶段分析代表性方法,总结其提升模型可解释性与缓解幻觉的作用机制,并探讨多模态知识表示对齐、动态知识更新滞后等核心挑战。分析表明,知识图谱的深度融合可显著提升大语言模型生成内容的事实一致性,但未来需突破多模态知识对齐、轻量化增量式融合及复杂推理验证等技术瓶颈,推动大语言模型向知识语言协同驱动范式演进,为构建可信、可解释的智能系统提供理论支撑与技术方向。
-
关键词
大语言模型
知识图谱
可解释性
幻觉问题
知识语言协同
-
Keywords
large language models(LLM)
knowledge graph(KG)
explainability
hallucination problem
knowledge-language synergy
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
