.png){kind=icon}
返回
Retrieval augmented generation for open-set entity alignment with large language models
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.132489.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
实体对齐旨在识别知识图谱（KGs）之间的等效实体，对于多源知识融合至关重要。近期基于嵌入的方法通过学习表示匹配实体实现了较强的性能，但通常假设每个源实体在目标KG中都有对应实体——这一条件在实践中很少满足。它们还难以处理多对一的对齐问题，且解释性有限。为解决这些问题，我们提出REALLM，一种检索增强的大语言模型（LLM）框架，用于开放集实体对齐。REALLM结合基于嵌入的检索与LLM驱动的符号推理，既能识别带有解释的等效实体对，又能检测不可匹配的实体。该框架首先利用语义和结构相似性检索top-k候选实体，然后迭代提示LLM对每对实体进行推理，过滤非等效匹配并识别未匹配实体。为缓解多对一错误，REALLM引入记忆机制，记录先前对齐结果并在候选实体已被匹配时提醒LLM。在多个基准数据集上的实验表明，REALLM优于当前最优基线，展示了LLM在推进开放集实体对齐方面的潜力。
Keyword:
Entity alignment
Knowledge graph
Large language model
Knowledge fusion
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
DairyGoatQA: A knowledge graph enhanced large language models approach for question answering in the dairy goat domainDairyGoatQA: 一种基于知识图谱增强的大语言模型方法，用于奶山羊领域的问答
.png){kind=icon}
PREAI
分享收藏Give us the Facts: Enhancing Large Language Models With Knowledge Graphs for Fact-Aware Language Modeling给我们事实: 使用知识图增强大型语言模型，以实现事实感知的语言建模
OAAI
OAAI分享收藏Multi-hop reasoning over sparse knowledge graphs with deep reinforcement learning基于深度强化学习的稀疏知识图谱多跳推理
PREAI
分享收藏分享收藏分享收藏Semantic duality in hypergraphs: Uncertainty-aware bipolar evidence aggregation for temporal knowledge graph reasoning超图中的语义对偶性：面向时序知识图谱推理的不确定性感知两极证据聚合
PREAI
分享收藏
查看更多内容