arrow
返回

Large Language Model Enhanced Knowledge Representation Learning: A Survey

delete2025-04-07
delete0
delete
OA
AI
X
Xin Wang *
Z
Zirui Chen
H
Haofen Wang *
L
Leong Hou U
Z
Zhao Li
W
Wenbin Guo
DOI:10.1007/s41019-025-00285-ydelete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
知识表示学习(KRL)通过将知识图谱(KGs)中的知识事实投射到向量空间,对于实现符号知识在下游任务中的应用至关重要。尽管KRL方法在建模KG结构信息方面具有有效性,但它们正受到KG稀疏性的困扰。基于Transformer架构构建的大型语言模型(LLMs)的兴起,为通过整合文本信息来增强KRL并解决KG信息稀疏性问题提供了有前景的机会。LLM增强的KRL方法,包括三种关键途径:利用详细上下文信息的编码器基方法、采用统一Seq2Seq模型进行综合编码和解码的编码器-解码器基方法,以及利用大规模语料库广泛知识的解码器基方法,这些方法显著提升了KRL在应对各类下游任务时的有效性和泛化能力。本研究不仅提供了对下游任务的广泛概述,同时也识别了这些发展中领域的新兴研究方向。
Keyword:
Knowledge graph
Large language model
Knowledge representation learning
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

D
Data Science and Engineering
IF:
4.6
论文数:
249
被引数:
665

机构

F
Faculty of Science and Technology
学者数:
385
论文数: 218
被引数: 1
C
college of design and innovation
学者数:
10
论文数: 9
被引数: 0
C
College of Intelligence and Computing
学者数:
152
论文数: 69
被引数: 1
学者 查看更多机构
引用论文

引用论文

Low-Dimensional Hyperbolic Knowledge Graph Embeddings
err2020-01-01
err0
errOAAI
errInes Chami; Adva Wolf; Da-Cheng Juan; Frederic Sala; Sujith Ravi; Christopher Ré
err分享
err收藏
err分享
err收藏
err分享
err收藏
err分享
err收藏
err分享
err收藏
Representing Text for Joint Embedding of Text and Knowledge Bases
err2015-01-01
err0
errOAAI
errKristina Toutanova; Danqi Chen; Patrick Pantel; Hoifung Poon; Pallavi Choudhury; Michael Gamon
err分享
err收藏
学者 查看更多内容