这篇研究综述探讨了大语言模型(LLMs)与知识图谱(KGs)在问答系统中的结合方式。研究者提出新的分类法,根据问答类型和KG角色将方法分为:KG作为背景知识、推理指南或验证器。文章系统性分析了各种复杂问答类型(多文档、多模态、多跳、会话式、可解释和时间问答)的挑战,及其解决方案。尽管LLM与KG结合能有效解决推理能力有限、知识过时和幻觉等问题,但仍面临效率与效果平衡、知识动态更新和公平性等挑战。未来研究应关注开发能高效整合最新知识的框架,以及提升推理、解释和公平性的方法。
至顶网 科技行者 2025-06-04 09:15:48