融合大模型与图嵌入模型的领域知识图谱补全研究
——以生物医学为例
摘要：[目的/意义]为提高领域知识图谱补全性能，解决现有图嵌入模型“语义理解不足”和大模型“生成偏差及计算资源浪费”并存的挑战，本文提出了一种融合大模型与图嵌入模型的领域知识图谱补全框架。[方法/过程]首先，对开源大模型进行领域语料的深度预训练，增强大模型在知识图谱补全时对领域术语的理解力；其次，通过传统图嵌入模型在知识图谱已有结构的基础上生成候选关系或实体，为后续利用大模型进行知识图谱补全提供高质量候选集；第三，基于不同Prompt提示词策略引导前期训练完成的领域大模型完成候选项的排序，实现知识图谱的高效补全；最后，以生物医学领域现有数据集开展实证研究，验证其可行性。（剩余17467字）
