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

作     者：张君冬 严颖 王震宇 刘江峰 刘艳华 黄奇 

作者机构：南京大学信息管理学院 南京大学数据智能与交叉创新实验室 南京中医药大学卫生经济管理学院 

出 版 物：《现代情报》 (Journal of Modern Information)

年 卷 期：2025年

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0836[工学-生物工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏省研究生科研与实践创新计划项目“图模驱动的在线医疗健康智慧问答服务研究”(项目编号:KYCX24_0107) 江苏高校哲学社会科学研究重大项目“中医古籍文献预训练模型构建及其应用研究”(项目编号:2023SJZD084) 

主　　题：知识图谱 大语言模型 知识图谱补全 图嵌入模型 Prompt提示词 

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。[结果/结论] 实验结果表明，本研究提出的方法在多个评价指标上效果显著，可为后续领域知识图谱补全提供新的思路与技术手段。