基于大语言模型和对比学习的知识图谱补全方法及系统

本发明提出了一种基于大语言模型和对比学习的知识图谱补全方法及系统，属于知识图谱补全领域，包括：对待处理知识图谱构建提示模板，基于所述提示模板采用大语言模型生成动态的实体语义描述；使用BERT模型对大语言模型生成的实体语义描述进行编码，得到语义上下文生成的实体初表示；采用实体表示预测模型对所述实体初表示聚合邻居信息更新实体初表示，得到目标实体表示补全知识图谱。本发明通过大语言模型克服静态语料的局限，生成富含语义的实体表示，同时引入监督对比学习增强训练信号，缓解正样本不足问题，从而提升稀疏图谱中低频实体的表示精度和补全性能，最终增强知识图谱补全的效率和准确性。