介绍
大型语言模型(LLM) 和知识图谱(KG) 是向更多人提供数据访问权限的不同方式。KG 使用语义通过其含义(即它们所代表的实体)连接数据集。LLM 使用向量和深度神经网络来预测自然语言。它们通常都旨在“解锁”数据。对于实施 KG 的企业来说,最终目标通常是数据市场、语义层之类的东西,以公平化他们的数据或使他们的企业更加以数据为中心。这些都是不同的解决方案,但最终目标相同:更快地向合适的人提供更多数据。对于实施 LLM 或其他类似 GenAI 解决方案的企业来说,目标通常是相似的:为员工或客户提供“数字助理”,以便更快地将正确的信息传递给合适的人。潜在的共生关系很明显:LLM 的一些主要弱点是它们是黑盒模型并且难以处理事实知识,而这正是 KG 的一些最大优势。知识图谱本质上是事实的集合,而且是完全可解释的。但究竟如何才能且应该在企业中同时实施知识图谱和LLM呢?