计算机应用

作者：张昊洋, 张丽萍, 闫盛, 李娜, 张学飞

单位：内蒙古师范大学 计算机科学技术学院，呼和浩特 010022

关键词：知识图谱,知识图谱补全,大语言模型,链接预测,三元组分类

基金：国家自然科学基金资助项目(61462071);内蒙古自然科学基金资助项目(2023LHMS06009);内蒙古自然科学基金资助项目(2024MS06020);内蒙古自治区教育科学研究“十四五”规划2023年度课题(2023NGHZXZH119);内蒙古自治区教育科学研究“十四五”规划2023年度课题(NGJGH2023234);内蒙古师范大学基本科研业务费专项资金资助项目(2022JBQN108);内蒙古师范大学基本科研业务费专项资金资助项目(2022JBQN008)

知识图谱（KG）可从海量数据中提取并结构化表示先验知识，在智能系统的构建与应用中发挥着关键作用。知识图谱补全（KGC）旨在预测KG中缺失的三元组以提升完整性和可用性，通常涵盖编码环节与预测环节。然而，传统的KGC方法在编码环节存在难以有效利用额外信息与语义信息的问题，而在预测环节存在知识覆盖不完全及封闭世界问题，且先编码后预测的框架会受到嵌入表示形式和计算效率的限制。大语言模型（LLM）凭借丰富的知识和强大的理解力能够解决这些问题。因此，对面向知识图谱补全的大模型方法进行综述。首先，概述KG与LLM的基本概念及研究现状，并阐述KGC的流程；其次，将现有基于LLM的KGC方法从将LLM作为编码器、将LLM作为生成器以及基于提示引导三方面进行总结和梳理；最后，总结模型在不同数据集上的性能表现并探讨基于LLM的KGC研究面临的问题与挑战。

来源：2026年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第3期