控制与决策

作者：和婷婷,张强,郑冠彧,赵铁军,王浩畅,王颖

单位：东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318,,东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318,,华南理工大学 软件学院，广州 510006,,哈尔滨工业大学 计算机科学与技术学院，哈尔滨 150001,,东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318,,东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318,

关键词：大语言模型;知识图谱构建;知识抽取;知识融合;知识推理;知识问答;检索增强生成

基金：国家自然科学基金项目(42002138)；黑龙江省优秀青年教师基础研究支持计划项目(YQJH2023073)；黑龙江省自然科学基金项目(LH2024F005)；黑龙江省研究生课程思政建设项目计算智能及石油大数据分析导学思政团队项目(YJSKCSZ_202303)；河北省自然科学基金项目(D2023107002).

知识图谱旨在将现实世界中的对象、概念及其相互关系, 以图的形式进行有效组织. 面对不断演变的真实世界信息, 传统静态知识图谱在数据质量、准确性、复杂性、动态更新维护等方面面临挑战. 近期, 大语言模型在语义理解和文本生成方面取得了卓越进展, 其跨领域、跨模态、跨任务的强泛化能力为知识图谱构建提供了新机遇. 鉴于此, 针对大语言模型在知识图谱构建中的研究进展进行综述. 首先, 介绍知识图谱和大语言模型的基本概念以及两者融合的通用计算框架; 然后, 围绕知识图谱的生命周期, 深入分析和讨论大语言模型在知识抽取、知识融合和知识推理这3大关键环节的进展和挑战; 接着, 从知识问答和检索增强生成系统剖析大语言模型驱动的知识图谱的应用成效; 最后, 总结和展望大语言模型时代知识图谱构建的发展趋势, 多角度探讨亟待研究的问题, 为未来研究提供启示.

来源：2025年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第12期