KG LLM Papers下载 - KG LLM Papers源代码下载

KG-LLM-论文

LLM 可以为 KG 做什么？或者说，KG在LLM时代能发挥什么作用？

？该存储库收集了整合知识图谱（KG）和大语言模型（LLM）的论文。

？欢迎通过Adding Issues或Pull Requests推荐缺失的论文。

？消息

2024-05我们的论文Knowledgeable Preference Alignment for LLMs in Domain-specific Question Answering已被ACL 2024接收。 [ Repo ]
2024-02我们预印了调查知识图满足多模式学习：综合调查 [ Repo ]。
2023-10我们预印了论文《Making Large Language Models Perform Better in Knowledge Graph Completion》并发布了 [ Repo ]。
2023-06我们创建此存储库是为了维护Intergrating Knowledge Graphs and Large Language Models的论文列表。

内容

文件
- ？调查
- ⚙ 方法
- ？资源

文件

调查

[arxiv] 知识图满足多模式学习：综合调查。 2024.02
[arxiv] 知识图谱可以减少法学硕士的幻觉吗？：一项调查。 2023.11
[arxiv] 大型语言模型中的事实性调查：知识、检索和领域特异性。 2023.10
[arxiv]论知识图的演变：调查与视角。 2023.10
[arxiv] 对 RDF 知识图创建和理解的大型语言模型的能力进行基准测试：法学硕士说 Turtle 的能力如何？ 2023.09
[arxiv] 大型语言模型的可解释性：一项调查。 2023.09
[arxiv] 知识图谱的世代：疯狂的想法和商业影响。 2023.08
[arxiv] 大型语言模型和知识图：机遇和挑战。 2023.08
[TKDE] 统一大型语言模型和知识图：路线图。 2023.06 [回购]
[arxiv] ChatGPT 还不够：利用知识图增强大型语言模型以实现事实感知语言建模。 2023.06
[arxiv] 知识增强预训练语言模型调查。 2023.05

方法

[arxiv] 图解码：通过生成格式良好的链对知识图进行忠实而合理的推理。 2024.10
[arxiv]走向图基础模型：知识图零样本推理的视角。 2024.10
[NeurIPS 2024] MKGL：掌握三词语言。 2024.10 [回购]
[NeurIPS 2024] UrbanKGent：用于城市知识图构建的统一大语言模型代理框架。 2024.10 [回购]
[ICML 2024] 从粗到细的突出显示：减少大型语言模型中的知识幻觉。 2024.10 [回购]
[ACL 2024] SAC-KG：利用大型语言模型作为领域知识图的熟练自动构造器。 2024.09
[NeurIPS 2024] LLM4EA：使用大型语言模型中的嘈杂注释进行实体对齐。 2024.09 [回购]
[arxiv] 知识链：通过知识图学习将知识推理集成到大型语言模型中。 2024.07
[arxiv] GraphEval：基于知识图的 LLM 幻觉评估框架。 2024.07
[arxiv]Think-on-Graph 2.0：利用知识图引导检索进行深度且可解释的大型语言模型推理。 2024.07
[ISWC 2024] 使用知识图补全的判别指令微调生成大型语言模型。 2024.07
[ACL 2024 研究结果] 使用大型语言模型对时态知识图进行两阶段生成问答。 2024.07
[arxiv] 遍历树：一种用知识图增强黑盒语言模型的零样本推理算法。 2024.07
[NAACL 2024 研究结果] GenTKG：使用大型语言模型对时态知识图进行生成预测。 2024.06
[ACL 2024 研究结果] 使用大型语言模型对时态知识图进行两阶段生成问答。 2024.06
[arxiv] 通过 KG-LLM 联盟进行有效的知识注入。 2024.06
[arxiv] 故障模式和影响分析的知识图增强检索增强生成。 2024.06
[arxiv] 通过路径选择的知识图增强大型语言模型。 2024.06
[arxiv] 学习从知识图规划检索增强大型语言模型。 2024.06
[arxiv] Docs2KG：大型语言模型辅助的异构文档统一知识图构建。 2024.06
[arxiv] UniOQA：使用大型语言模型进行知识图问答的统一框架。 2024.06
[arxiv] 使用多模态知识图进行多模态推理。 2024.06
[arxiv] 使用大型语言模型进行天文学研究的知识图：量化跨学科科学发现的驱动力。 2024.06
[arxiv] EffiQA：通过知识图上的战略性多模型协作实现高效问答。 2024.06
[arxiv] 探索然后确定：用于知识图推理的 GNN-LLM 协同框架。 2024.06
[arxiv] EMERGE：集成 RAG 以改进多模式 EHR 预测建模。 2024.06
[EPJ 数据科学] 闪光还是金子？通过大型语言模型从可持续发展报告中获取结构化见解。 2024.06
[arxiv] DepsRAG：使用大型语言模型管理软件依赖性。 2024.06 [回购]
[arxiv] KNOW：使用大型语言模型进行知识捕获的现实世界本体2024.05 [Repo]
[arxiv] HippoRAG：神经生物学启发的大型语言模型长期记忆2024.05 [Repo]
[arxiv] KG-FIT：基于开放世界知识的知识图微调。 2024.05
[arxiv] 使用大型语言模型进行即时本体驱动的符号知识捕获2024.05 [Repo]
[arxiv] 基于时间轴的句子分解和上下文学习用于时间事实提取。 2024.05
[arxiv] SOK-Bench：具有一致的开放世界知识的情景视频推理基准。 2024.05
[arxiv] 通过自我完善增强的知识检索减轻大型语言模型中的幻觉。 2024.05
[arxiv] 用知识图提示大型语言模型进行涉及长尾事实的问答。 2024.05
[arxiv] DALK：LLM 和 KG 的动态联合增强，用科学文献回答阿尔茨海默病问题。 2024.05
[arxiv] BiasKG：在大型语言模型中引入偏差的对抗性知识图。 2024.05
[arxiv] AttacKG+：利用大型语言模型促进攻击知识图构建。 2024.05
[arxiv] Sora Detector：用于大型文本到视频模型的统一幻觉检测。 2024.05
[arxiv] FOKE：集成基础模型、知识图和即时工程的个性化且可解释的教育框架。 2024.05
[arxiv] 使用大型语言模型进行知识图补全的关系预测。 2024.05
[arxiv] 评估开放研究知识图中结构化科学摘要的大型语言模型。 2024.05
[arxiv] 通过逻辑感知课程调整改进知识图谱的复杂推理。 2024.05
[arxiv] 使用知识图和大型语言模型对自动驾驶的道路用户行为进行基于 RAG 的可解释预测。 2024.05
[arxiv] PrivComp-KG：利用知识图和大型语言模型进行隐私政策合规性验证。 2024.04
[arxiv] 使用大型语言模型对知识图进行多跳问答。 2024.04
[arxiv] 特定主题知识图的自动构建。 2024.04
[arxiv] 用于客户服务问答的知识图检索增强生成。 2024.04
[arxiv] 使用大型语言模型评估知识图中的类成员关系。 2024.04
[arxiv] KGValidator：知识图构建自动验证框架。 2024.04
[arxiv] 用于生成多论文引用的上下文增强语言模型。 2024.04
[arxiv]高效知识路径推理：知识图谱指导领域问答的大型语言模型。 2024.04
[arxiv] KG-CTG：通过知识图引导的大型语言模型生成引文。 2024.04
[arxiv] CuriousLLM：通过注入推理的知识图提示提升多文档 QA。 2024.04
[arxiv] ODA：用于集成法学硕士和知识图的观察驱动代理。 2024.04
[arxiv] 构建知识图以丰富制造服务发现中的 ChatGPT 响应。 2024.04
[arxiv]思想的逻辑查询：指导大型语言模型用知识图回答复杂的逻辑查询。 2024.04
[arxiv] 提取、定义、规范化：基于 LLM 的知识图构建框架。 2024.04
[COLM 2024] 揭晓法学硕士：动态知识图中潜在表示的演变。 2024.04
[arxiv] 通过大语言模型构建多学科材料科学中的功能材料知识图。 2024.04
[arxiv] 关于编码器-解码器语言模型中的线性化结构化数据：来自文本到 SQL 的见解。 2024.04
[arxiv] 时态知识图问答的自我改进编程。 2024.04
[arxiv] 法学硕士作为探索、分析和可视化知识图助手的初步路线图。 2024.04
[arxiv] 使用大规模知识图评估大型语言模型的真实性。 2024.04
[arxiv] 利用大型语言模型的力量进行不确定性感知图处理。 2024.04
[arxiv] EventGround：基于以事件为中心的知识图谱的叙事推理。 2024.04
[arxiv]Generate-on-Graph：将LLM视为不完全知识图问答中的Agent和KG。 2024.04
[arxiv] 从局部到全局：以查询为中心的摘要的图 RAG 方法。 2024.04
[arxiv] HyKGE：一个假设知识图增强框架，用于准确可靠的医学法学硕士响应。 2024.04
[arxiv] 使用大规模知识图评估大型语言模型的真实性。 2024.04
[arxiv] 使用大规模知识图评估大型语言模型的真实性。 2024.04
[arxiv] KnowLA：通过知识性适应增强参数高效的微调。 2024.03
[LREC-COLING 2024] KC-GenRe：一种基于大型语言模型的知识约束生成重排序方法，用于知识图补全。 2024.03
[arxiv] K-Act2Emo：用于间接情感表达的韩国常识知识图。 2024.03
[arxiv] 将大型语言模型中的特定领域内容融合到知识图中，以增强零样本对象状态分类。 2024.03
[arxiv] 使用预训练的大型语言模型构建超关系知识图。 2024.03
[arxiv] 必要时给我打电话：法学硕士可以在结构化环境中高效、忠实地推理。 2024.03
[arxiv]从人类专家到机器：法学硕士支持的本体论和知识图构建方法。 2024.03
[arxiv] 常识知识图上逻辑查询的复杂推理。 2024.03
[arxiv] 用于链接预测的知识图大型语言模型 (KG-LLM)。 2024.03
[arxiv] KG-Rank：利用知识图和排名技术增强医学 QA 的大型语言模型。 2024.03
[arxiv] 应对社区挑战推进生物医学文本挖掘。 2024.03
[arxiv] 知识图作为基于 LLM 的学习建议解释的上下文源。 2024.03
[arxiv] 用于知识增强零样本问答的以证据为中心的事实总结。 2024.03
[arxiv] AceMap：通过学术图谱发现知识。 2024.03
[arxiv] KnowPhish：大型语言模型与多模态知识图相结合，增强基于参考的网络钓鱼检测。 2024.03
[arxiv] 揭示看不见的安全实体之间的隐藏链接。 2024.03
[LREC-COLING 2024] 大语言模型知识图谱补全的多视角改进。 2024.03
[arxiv] 通过上下文提示将知识注入大型语言模型。 2024.03
[arxiv] CR-LT-KGQA：需要常识推理和长尾知识的知识图问答数据集。 2024.03
[arxiv] 正确的理由：用于可验证常识知识图问答的大型语言模型。 2024.03
[arxiv] 长尾知识的自动问答生成。 2024.03
[arxiv] AutoRD：基于本体增强的大语言模型的罕见疾病知识图谱构建的自动化端到端系统。 2024.03
[arxiv] 使用大型语言模型进行逐步自洽数学推理。 2024.02
[arxiv] 使用大型语言模型的时态知识图的两阶段生成问答。 2024.02
[arxiv] 释放大型语言模型用于实体对齐的力量。 2024.02
[arxiv] 通过历史链推理使用大型语言模型增强时态知识图预测。 2024.02
[arxiv]打破障碍：通过推理知识图利用工业推荐系统的大型语言模型。 2024.02
[arxiv]知识图增强大语言模型编辑。 2024.02
[arxiv] 模态感知与大型语言模型的集成，用于基于知识的视觉问答。 2024.02
[arxiv] 基于图的检索器捕获生物医学知识的长尾。 2024.02
[arxiv] LLM 作为提示者：任意知识图上的低资源归纳推理。 2024.02
[arxiv] 反直觉：大型语言模型比我们想象的能更好地理解知识图。 2024.02
[arxiv] InfuserKI：通过 Infuser 引导的知识集成使用知识图增强大型语言模型。 2024.02
[arxiv] 使用大型语言模型开发材料工程自动化知识图谱和数据库。 2024.02
[arxiv] KG-Agent：一种高效的自主代理框架，用于知识图上的复杂推理。 2024.02
[arxiv] PAT 问题：当前锚定时间问答的自我更新基准。 2024.02
[arxiv] 使用大型语言模型进行零样本链接预测的压缩转换图框架。 2024.02
[arxiv] 使用伪知识图和多源知识图增强大型语言模型以实现开放式问答。 2024.02
[arxiv] G-Retriever：用于文本图理解和问答的检索增强生成。 2024.02
[arxiv] X-LoRA：低阶适配器专家的混合体，一种适用于蛋白质力学和设计的大型语言模型的灵活框架。 2024.02
[arxiv] REALM：通过大型语言模型进行 RAG 驱动的多模式电子健康记录分析增强。 2024.02
[arxiv] GLaM：通过邻域分区和生成子图编码微调大型语言模型以实现领域知识图对齐。 2024.02
[arxiv] 让你的图说话：为法学硕士编码结构化数据。 2024.02
[arxiv] CADReN：用于可控交叉图节点重要性估计的上下文锚驱动关系网络。 2024.02
[arxiv] 通过知识图集成协作增强的基于提示的 LLM 推理方案。 2024.02
[arxiv] SPARQL 生成：针对生命科学知识图问答的 OpenLLaMA 微调的分析。 2024.02
[arxiv] 语义交流和知识学习的相互作用。 2024.02
[arxiv] GUARD：通过角色扮演生成自然语言越狱，以测试大型语言模型的准则遵守情况。 2024.02
[arxiv] 多模态大型语言模型中图形推理的渲染图。 2024.02
[arxiv] 评估法学硕士——根据医学图像和症状分析生成多模式诊断。 2024.02
[EACL 2024] 从大型语言模型中进行语境化蒸馏以完成知识图谱。 2024.02
[EACL 2024] 基于知识的文本生成中会话大型语言模型的比较分析。 2024.02
[arxiv] 使用大型语言模型进行即时符号知识捕获。 2024.02 [回购]
[arxiv] 图形数据库引擎中的有效错误检测：基于 LLM 的方法。 2024.02
[arxiv] 两个头比一个头更好：集成来自知识图和大型语言模型的知识以进行实体对齐。 2024.01
[arxiv] 使用知识图对复杂问答归因中的大型语言模型进行基准测试。 2024.01
[arxiv]线索引导路径探索：一种低计算资源消耗的高效知识库问答框架。 2024.01
[AAAI 2024] KAM-CoT：知识增强多模式思想链推理。 2024.01
[arxiv] 上下文很重要：利用图结构知识上下文突破开放式答案生成的界限。 2024.01
[arxiv] 支持学生关于学习建议的决策：基于法学硕士的聊天机器人，具有知识图谱上下文化，用于对话解释和指导。 2024.01
[arxiv] 从大型语言模型中提取事件序列知识。 2024.01
[ACL 24] 大型语言模型可以学习时间推理。 2024.01 [回购]
[arxiv] 历史链：利用法学硕士进行学习和预测，以完成时间知识图。 2024.01
[arxiv] TechGPT-2.0：一个解决知识图谱构建任务的大型语言模型项目。 2024.01 [回购]
[arxiv] 评估知识图对话问答语义解析中的大型语言模型。 2024.01
[arxiv] 地球是平的？揭示大型语言模型中的事实错误。 2024.01
[arxiv]keqing：知识问答是LLM本质的思想链导师。 2024.01
[arxiv] 四重奏逻辑：用于推进短文本分类的四步推理 (QLFR) 框架。 2024.01
[arxiv] 对话式问答与知识图重构。 2023.12
[arxiv] 思考与检索：假设知识图增强医学大语言模型。 2023.12
[arxiv] KnowledgeNavigator：利用大型语言模型增强知识图推理。 2023.12
[arxiv] 城市生成智能（UGI）：具体城市环境中代理的基础平台。 2023.12
[arxiv] 使用语义三元组和知识图进行零样本事实检查。 2023.12
[arxiv] KGLens：一种参数化知识图解决方案，用于评估法学硕士知道什么和不知道什么。 2023.12
[arxiv] LLM-ARK：通过深度强化学习使用大型语言模型进行知识图推理。 2023.12
[arxiv] 迈向值得信赖的人工智能软件开发援助。 2023.12
[arxiv] KnowGPT：大型语言模型的黑盒知识注入。 2023.12
[arxiv] 通过渐进式提示增强，使大型语言模型更好地用于在线营销的知识挖掘。 2023.12
[arxiv] 使用大型语言模型的概念工程。 2023.12
[arxiv]超越隔离：改进知识图构建的多智能体协同。 2023.12
[arxiv] 使用大型语言模型进行零镜头和少镜头知识图三元组提取。 2023.12
[arxiv] 用知识图探索大型语言模型的推理能力。 2023.11
[arxiv]大型语言模型的生物医学知识图优化提示生成。 2023.11 [回购]
[arxiv] 人机交互中基于知识的响应生成的图到文本方法。 2023.11
[EMNLP 2023]重新审视知识注入框架。 2023.12
[EMNLP 2023]事实知识的正确性对于事实知识增强的预训练语言模型重要吗？ 2023.12
[EMNLP 2023]ReasoningLM：在预训练语言模型中启用结构子图推理，以实现知识图问答。 2023.12
[EMNLP 2023 调查结果]KICGPT：具有知识图补全上下文知识的大型语言模型。 2023.12
[arxiv] $R^3$ -NL2GQL：一种用于提高准确性和减轻幻觉的混合模型方法。 2023.11
[arxiv] 通过基于自主知识图的改造减轻大型语言模型幻觉。 2023.11
[EMNLP 2023] 通过维基数据上的少样本序列到序列语义解析，微调法学硕士了解更多，减少幻觉。 2023.11
[arxiv] 在学术知识图问答中利用法学硕士。 2023.11
[arxiv] 法学硕士在特定领域问答中的知识渊博的偏好调整。 2023.11
[arxiv] OLaLa：与大型语言模型的本体匹配。 2023.11
[arxiv] 基于大型语言模型的无人系统知识库问答的上下文学习。 2023.11
[arxiv] 让我们发现更多 API 关系：基于大型语言模型的 AI 链，用于无监督 API 关系推理。 2023.11
[arxiv] 形式遵循功能：基于功能需求的文本到文本条件图生成。 2023.11
[arxiv] 大型语言模型与知识图相结合来回答事实问题。 2023.10
[arxiv] 候选答案类型选择：闭卷问答的文本到文本语言模型与知识图的结合。 2023.10
[arxiv] 知识注入提示：使用大型语言模型评估和推进临床文本数据生成。 2023.10
[arxiv] DIVKNOWQA：通过知识库和文本的开放域问答来评估法学硕士的推理能力。 2023.10
[arxiv] 用于基于解释性大语言模型的材料设计的生成检索增强本体图和多代理策略。 2023.10
[arxiv]一种基于大语言模型和知识图谱的多模态生态文明模式推荐方法。 2023.10
[arxiv] LoRAShear：高效的大型语言模型结构化剪枝和知识恢复。 2023.10
[arxiv] 图代理：图的显式推理代理。 2023.10
[arxiv] 知识库问答的上下文模式理解方法。 2023.10
[arxiv] GraphGPT：大型语言模型的图形指令调优。 2023.10
[EMNLP 2023 研究结果] 大型语言模型中事实知识的系统评估。 2023.10
[EMNLP 2023 调查结果] KG-GPT：使用大型语言模型进行知识图推理的通用框架。 2023.10
[arxiv] MechGPT，一种基于语言的力学和材料建模策略，将跨尺度、学科和模式的知识联系起来。 2023.10
[arxiv] Qilin-Med：多阶段知识注入先进医学大语言模型。 2023.10
[arxiv] ChatKBQA：使用微调的大型语言模型进行知识库问答的生成然后检索框架。 2023.10
[arxiv] 从大型语言模型到癌症生物标志物发现的知识图。 2023.10
[arxiv] 让大型语言模型在知识图补全方面表现更好。 2023.10
[arxiv] CP-KGC：大型语言模型的约束提示知识图补全。 2023.10
[arxiv] PHALM：通过提示人类和语言模型从头开始构建知识图。 2023.10
[arxiv] InstructProtein：通过知识指导调整人类和蛋白质语言。 2023.10
[arxiv] 大型语言模型与知识图相结合来回答事实问题。 2023.10
[arxiv] 知识填字游戏：使用大型语言模型对结构化知识进行几何推理。 2023.10
[ICLR 2024] 图推理：忠实且可解释的大型语言模型推理。 2023.10 [回购]
[arxiv] RelBERT：与语言模型的嵌入关系。 2023.10
[arxiv] 对 RDF 知识图创建和理解的大型语言模型的能力进行基准测试：法学硕士说海龟的能力如何？ 2023.09
[arxiv] 让我们聊聊寻找 API：通过 AI 链连接人类、LLM 和知识图谱。 2023.09
[arxiv] 使用大型语言模型进行图神经提示。 2023.09
[arxiv] 施工合同知识建模的知识表示方法。 2023.09
[arxiv] Retrieve-Rewrite-Answer：用于知识图问答的知识图谱到文本增强型法学硕士框架。 2023.09
[arxiv]“合并冲突！”探索外部干扰因素对参数化知识图的影响。 2023.09
[arxiv] FactLLaMA：使用外部知识优化指令跟踪语言模型以进行自动事实检查。 2023.09
[arxiv] ChatRule：使用大型语言模型挖掘逻辑规则以进行知识图推理。 2023.09
[AAAI 2024] 用于基于知识的问答的代码式情境学习。 2023.09
[arxiv] 通过基于 LLM 的自治代理释放图学习的力量。 2023.09
[arxiv] 使用结构化医学知识库对大型语言模型进行知识调整，以生成可靠的中文响应。 2023.09
[arxiv] 知识求解器：教法学硕士从知识图中搜索领域知识。 2023.09
[arxiv] 生物医学实体与三重感知预训练的链接。 2023.08
[arxiv] 探索用于知识图补全的大型语言模型。 2023.08 [回购]
[arxiv] 开发用于评估知识图工程中大型语言模型的可扩展基准。 2023.08
[arxiv] 将医学知识图利用到大型语言模型中进行诊断预测。 2023.08
[arxiv] LKPNR：个性化新闻推荐框架的 LLM 和 KG。 2023.08
[arxiv]多文档问答的知识图谱提示。 2023.08
[arxiv] 从头到尾：大型语言模型 (LLM) 的知识有多少？又名法学硕士会取代知识图谱吗？ 2023.08
[arxiv]MindMap：知识图谱提示在大型语言模型中激发思维图。 2023.08
[arxiv] 实现知识图补全的语义丰富嵌入。 2023.07
[TKDE 2024] AutoAlign：大型语言模型实现的全自动、有效的知识图谱对齐。 2023.07
[arxiv] 使用大型语言模型从知识图零样本自然语言生成。 2023.07
[ICLR 2024] 图思考：利用知识图对大型语言模型进行深入且负责任的推理。 2023.07
[SIGKDD 2024 探索] 探索大型语言模型 (LLM) 在图学习中的潜力。 2023.07
[arxiv] 探索在线工作推荐中图数据理解的大语言模型。 2023.07
[arxiv] RecallM：时间上下文理解和问答的架构。 2023.07
[arxiv] LLM 辅助知识图工程：ChatGPT 实验。 2023.07
[arxiv] 迭代零样本 LLM 提示知识图构建。 2023.07
[arxiv] 雪人：从基础模型中提取的百万级中文常识知识图。 2023.06
[arxiv] 知识增强语言模型提示零样本知识图问答。 2023.06
[arxiv] 通过本体推理微调大型企业语言模型。 2023.06
[NeurIPS 2023] 知识密集型任务中小语言模型的知识增强推理蒸馏。 2023.05
[arxiv] 使用大型语言模型增强知识图谱构建。 2023.05
[arxiv] ChatGraph：通过将 ChatGPT 知识转换为图形来进行可解释的文本分类。 2023.05
[ACL 2023] FactKG：通过知识图推理进行事实验证。 2023.05
[arxiv] HiPrompt：通过面向层次结构的提示进行少量生物医学知识融合。 2023.04
[EMNLP 2023] StructGPT：用于推理结构化数据的大型语言模型的通用框架。 2023.05
[ICLR 2024] 利用解释：用于增强文本属性图表示学习的 LLM 到 LM 解释器。 2023.05
[arxiv] 知识图构建和推理法学硕士：近期能力和未来机会。 2023.05 [回购]
【NeurIPS 2023】语言模型能否解决自然语言中的图问题？ 2023.05
[arxiv]知识图谱完成模型是小样本学习者：法学硕士电子商务中关系标签的实证研究。 2023.05
[arxiv] 大型语言模型可以生成显着的否定语句吗？ 2023.05
[arxiv]GPT4Graph：大型语言模型能否理解图结构化数据？实证评估和基准测试。 2023.05
[arxiv] 使用大型语言模型对知识图进行复杂逻辑推理。 2023.05 [回购]
[arxiv] 因果推理和大型语言模型：开辟因果关系的新领域。 2023.04
[arxiv] 大型语言模型可以构建因果图吗？ 2023.04
[arxiv] 使用多个 RDF 知识图来丰富 ChatGPT 响应。 2023.04
[arxiv] Graph-ToolFormer：通过 ChatGPT 增强的提示赋予 LLM 图形推理能力。 2023.04
[arxiv] 结构化提示询问和语义递归提取（SPIRES）：一种使用零样本学习填充知识库的方法。 2023.04 [回购]

资源和基准

[arxiv] STaRK：文本和关系知识库的法学硕士检索基准。 2024.04 [回购]
[arxiv] RareBench：法学硕士可以担任罕见病专家吗？ 2024.02
[arxiv] 使用知识图对复杂问答归因中的大型语言模型进行基准测试。 2024.01
[ACL 24] 大型语言模型可以学习时间推理。 2024.01 [回购]
[arxiv] AbsPyramid：使用统一蕴涵图对语言模型的抽象能力进行基准测试。 2023.11
[arxiv] 了解知识图对企业 SQL 数据库问答的大型语言模型准确性的作用的基准。 2023.11
[arxiv]迈向可验证的生成：知识感知语言模型归因的基准。 2023.10
[EMNLP 2023] MarkQA：具有数值推理的大规模 KBQA 数据集。 2023.10
[CIKM 2023] 文本本体丰富：用于概念发现和放置的生物医学数据集。 2023.06
[arxiv] Xiezhi：一个不断更新的整体领域知识评估基准。 2023.06
[AACL 2023 系统演示] LambdaKG：基于预训练语言模型的知识图嵌入库2023.03 [Repo]
[arxiv] 通过循环评估构建配对知识图-文本数据集。 2023.09
[arxiv] 从大型语言模型到癌症生物标志物发现的知识图。 2023.10
[ISWC 2023] Text2KGBench：从文本生成本体驱动知识图的基准。 2023.08

贡献

贡献者

？贡献（欢迎！）

添加新论文或更新现有的 KG 相关 LLM 论文。
？使用与现有条目相同的格式来描述工作。
？建议（不必要）通过Adding Issues或Pull Requests对您认为应该添加或更新论文的原因进行非常简短的解释。

如果您弄错了，请不要担心，他们会为您修复。请随意在这里贡献和推广您的出色工作！？我们会及时回复您~

？引用：

如果这个 Repo 对您有帮助，请考虑引用我们的论文。我们将不胜感激:)

 @article{DBLP:journals/corr/abs-2311-06503,
  author       = {Yichi Zhang and
                  Zhuo Chen and
                  Yin Fang and
                  Lei Cheng and
                  Yanxi Lu and
                  Fangming Li and
                  Wen Zhang and
                  Huajun Chen},
  title        = {Knowledgeable Preference Alignment for LLMs in Domain-specific Question
                  Answering},
  journal      = {CoRR},
  volume       = {abs/2311.06503},
  year         = {2023}
}

 @article{DBLP:journals/corr/abs-2310-06671,
  author       = {Yichi Zhang and
                  Zhuo Chen and
                  Wen Zhang and
                  Huajun Chen},
  title        = {Making Large Language Models Perform Better in Knowledge Graph Completion},
  journal      = {CoRR},
  volume       = {abs/2310.06671},
  year         = {2023}
}

展开