本文是LLM系列文章,针对《KG-GPT: A General Framework for Reasoning on Knowledge Graphs
Using Large Language Models》的翻译。
摘要
尽管大型语言模型(LLM)在理解和生成非结构化文本方面取得了相当大的进步,但其在结构化数据中的应用仍有待开发。特别是,将LLM用于知识图谱(KGs)上的复杂推理任务在很大程度上保持不变。为了解决这个问题,我们提出了KG-GPT,这是一个多用途框架,利用LLM来执行使用KGs的任务。KG-GPT包括三个步骤:句子分割、图检索和推理,每个步骤分别旨在划分句子、检索相关的图组件和得出逻辑结论。我们使用基于KG的事实验证和KGQA基准来评估KG-GPT,该模型显示出竞争性和鲁棒性,甚至优于几个完全监督的模型。因此,我们的工作标志着在LLM领域内统一结构化和非结构化数据处理迈出了重要一步。