大模型时代的知识图谱系统

伴随着大模型技术的发展与突破，参数化知识与符号化知识共同赋能智能系统应用成为了研究热点，而知识图谱与大模型的深度结合是实现全面、可靠、可控人工智能的必然趋势。本期专题全方位多维度介绍了大模型时代下的知识图谱系统设计模式、架构、技术、应用及未来研究方向。

关键词：知识图谱  大模型  智能系统

专题背景

2012年谷歌率先提出知识图谱，之后的10年中，知识图谱技术得到了长足的进步，不仅在搜索、问答、推荐等互联网场景中得到广泛应用，在医疗、电商、金融等诸多垂直领域也有丰富的成功案例，因而被视为推动人工智能发展的核心驱动力之一。与此同时，自2022年ChatGPT诞生以来，因其在语言理解和知识问答方面的优异表现，大模型受到了学术界和工业界的广泛关注，并被认为具备记忆和应用世界知识的能力。知识图谱和大模型作为表示和处理知识的手段，二者高度互补，一方面补足了大模型的语言理解能力，另一方面丰富了知识图谱的知识表示方式，二者的融合发展可有效推进各行业、各领域信息系统的智能化进程。

在此背景下，本期专题邀请来自学术界和产业界的研究团队，围绕大模型时代的知识图谱系统，分享知识图谱与大模型协同设计模式、大模型增强的推理与开放域问答技术、知识图谱应用新范式、基于大模型的智能信息系统等内容，介绍大模型时代的知识图谱系统设计模式、架构、技术、应用等最新的研究进展和技术方案，旨在从不同层面为知识图谱与大模型的研究人员以及相关智能信息系统应用开发人员提供借鉴与参考。

文章导读

围绕大模型时代的知识图谱系统这一主题，本期专题收录6篇文章，分享相关典型案例，探讨最新技术进展以及未来的发展方向。

由天津大学教授王鑫等人撰写的《知识图谱与大语言模型协同模式探究》一文探讨了知识图谱与大语言模型之间的协同模式，指出了大语言模型和知识图谱在人工智能领域的重要地位，分别介绍了知识图谱增强的大语言模型、大语言模型增强的知识图谱、知识图谱与大语言模型交互融合及其具体案例，旨在实现更强大、更灵活的智能系统应用。文章讨论了未来的发展方向，指出知识图谱与大语言模型协同模式有望成为“神经+符号”人工智能的突破点，有望开辟通向通用人工智能研究的新方法，有望成为人工智能在各领域落地的新模式。

由浙江大学教授陈华钧等人撰写的《大模型增强的语言与知识推理》一文介绍了知识图谱和大型语言模型是表示和处理知识的两种重要手段，可以分别完成不同类型的推理任务，如常识推理、多模态推理、概念推理、逻辑规则推理等。作者从语言模型和知识图谱结合的角度，讨论了大模型增强的语言与知识推理，主要包括大型语言模型自身具备的推理能力，以及大型语言模型增强知识图谱的推理两部分，最后讨论了大模型语言推理和大模型知识推理面临的挑战。

由东南大学教授漆桂林等人撰写的《开放域知识图谱问答研究进展》一文首先总结了开放域知识图谱问答模型的研究进展，包括基于语义解析、基于检索排序、基于预训练模型的知识图谱问答方法，然后探讨了大模型在知识图谱问答中的应用，最后讨论了大模型时代下知识图谱问答领域的发展和挑战，包括面对更加复杂多样的问题，对于多源异构知识的问答，以及基于更高效的大模型知识增强的问答等。

由达观数据副总裁王文广撰写的《基于大模型的智能系统：架构及应用》一文介绍了智能系统和大模型的前沿进展，抽象出智能系统的基本组件。文章针对基于大模型的智能系统架构及其具备的可行性、可控性和通用性等三大特性，对架构中大模型子系统的各个组件技术及功能进行了详细介绍。文章还讨论了大模型和知识图谱协同实现可控和通用的智能系统，梳理了基于大模型的智能系统的应用，并总结了智能系统面临的挑战和未来的研究方向。

由恒生电子股份有限公司高级技术专家陈佼等人撰写的《大模型时代下知识图谱应用的新范式》一文对比了大模型和知识图谱在工业应用场景的相互关系，分析了二者的优缺点并提出了融合互补的策略方法，并介绍了大模型与知识图谱相结合的典型应用案例。文章重点分析了大模型在知识问答、上下文理解学习能力以及逻辑推理能力方面与知识图谱应用有较高程度的重合。在充分分析能力的相互补充与不足之处的基础上，作者提出了大模型与知识图谱技术协同、应用协同以及二者相互促进的协作应用新范式与基于SPG框架的应用落地案例，强调了大模型和知识图谱共建生态圈的重要性和必要性。

由海乂知信息科技有限公司（PlantData）首席技术官胡芳槐等人撰写的《基于增强大语言模型的企业级智能系统》一文介绍了用于消解或降低大语言模型的幻觉、偏见、知识更新不及时等缺陷的增强大语言模型相关技术，其中，高级提示工程、检索知识增强、工具学习和中控协同是增强大语言模型的关键技术。在此基础上该文提出了大语言模型与知识图谱相结合的智能应用范式的整体架构，描述了大语言模型与知识图谱的相互增强并协同实现应用中控。文章最后对大语言模型新的发展方向包括多模态与具身延展及智能体系统进行了展望。

展望

本期专题的6篇文章针对大模型时代的知识图谱系统设计模式、架构、技术、应用等进行了全方位的剖析与思考，就面向智能系统的知识图谱与大模型深度融合介绍了学术界与工业界的最新动态，也指出了未来面临的挑战与发展方向。知识图谱与大模型的技术研究和落地应用正处于蓬勃发展的时期，希望本期专题能够对相关领域的研究者在理论、技术和实践方面有所启发，吸引更多相关专家、学者和工程师关注，共同推进知识图谱与大模型融合研究及系统应用的发展。 

王 鑫

CCF杰出会员、CCF信息系统专委会秘书长、CCF数据库专委会执行委员、CCF大数据专家委员会执行委员。天津大学教授。主要研究方向为知识图谱、图数据库。wangx@tju.edu.cn

王昊奋

CCF高级会员，CCF上海分部秘书长、CCF SIGKG主席、术语工委副主任。同济大学特聘研究员。主要研究方向为知识图谱、自然语言处理。carter.whfcarter@gmail.com

CCF推荐

【精品文章】

• CCCF精选 | 知识图谱的开源与金融领域实践

• 低资源条件下的知识图谱推理与构建

• ChatGPT和基础模型：原理探究、技术挑战及伦理规范 | CCCF精选

• 刘知远、丁宁：大模型前沿技术展望 | CCCF精选

• 嬗变：大语言模型带来的人工智能新纪元 | CCCF精选

特别声明：中国计算机学会(CCF)拥有《中国计算机学会通讯》(CCCF)所刊登内容的所有版权，未经CCF允许，不得转载本刊文字及照片，否则被视为侵权。对于侵权行为，CCF将追究其法律责任

点击“阅读原文”，查看更多CCCF文章。