一种基于大语言模型和图神经网络的知识图谱补全方法

本发明提供了一种基于大语言模型和图神经网络的知识图谱补全方法。该方法包括：获取三元组中头实体、尾实体和关系的定义和描述，得到用于三元组分类的问题指令；获取以实体为中心的多跳子图，使用词嵌入模型作为特征提取器，分析三元组之间的多跳关系，从而获取多跳中存在的高质量的语义特征。其次，利用图神经网络捕捉复杂的图结构信息，学习节点之间的交互关系，从而更好地理解图结构数据。最后，结合问答指令微调大语言模型，帮助大语言模型聚焦在关键任务上。本发明利用大语言模型强大的上下文感知能力，理解复杂的句子结构和语境的特点，与聚合的节点结构信息相结合，生成更具表达能力的嵌入表示，从而提高了知识图谱补全的性能。