基于强化学习为图大语言模型提供决策性子图信息的方法和系统

本发明公开了一种基于强化学习为图大语言模型提供决策性子图信息的方法和系统。包括：利用深度代理选择目标节点邻域的跳数来确定子图的深度，并通过宽度代理选择合适的邻居节点来确定子图的宽度；通过深度代理和宽度代理生成的子图信息，为图大语言模型提供决策性子图信息，从而帮助模型进行更为精准的推理和预测；根据大语言模型的反馈对深度代理和宽度代理进行训练，以优化子图检测策略；通过决策性节点引导网络进一步识别子图中的关键节点，并将这些关键信息以文本形式提供给图大语言模型。本发明的优点是：能够有效提升图大语言模型在图数据推理任务中的性能，显著提高了模型的推理精度和泛化能力，具有较强的应用潜力。