Integrating Graphs with Large Language Models: Methods and Prospects

本文是LLM系列文章，针对《Integrating Graphs with Large Language Models: Methods and Prospects》的翻译。

摘要

GPT-4等大型语言模型（LLM）已成为领先者，在各种应用程序中展示了无与伦比的能力，包括回答查询、代码生成等。类似地，图结构数据，一种内在的数据类型，在现实世界的场景中普遍存在。将LLM的功能与图结构数据相结合一直是人们感兴趣的话题。本文将这种整合分为两大类。第一种利用LLM进行图学习，LLM不仅可以增强现有的图算法，还可以作为各种图任务的预测模型。相反，第二类强调了图在推进LLM中的关键作用。反映人类认知，我们通过在推理或协作中采用图来解决复杂任务。与这种结构集成可以显著提高LLM在各种复杂任务中的性能。我们还讨论并提出了将LLM与图结构数据集成的开放性问题，以供该领域的未来发展。

LLM增强图学习