论文
结合离散结构编码与相似实体信息的大语言模型知识图谱补全
LLM-Based Knowledge Graph Completion Combining Discrete Structural Coding with Similar Entity Information
摘要
知识图补全要求模型同时使用文本描述和关系结构。现有的基于LLM的方法要么将KG结构编码为离散标记，要么细化一组有限的候选实体，这两个方向在很大程度上是分开研究的。我们为基于 LLM 的 KGC 提出了 CoSC，它将离散结构编码与相似的实体信息相结合。具体来说，LLM 根据离散结构代码生成初始候选实体排名，之后来自与查询实体结构相似的实体的信息会细化排名。 FB15k-237 上的实验表明，CoSC 在 MRR 和 Hits@10 上优于现有基线，同时在 Hits@1 上保持竞争力。
