图结合大型语言模型的综述:现状与未来方向
在本调查中,我们首先提出了一种新的分类法,该分类法将现有方法根据 LLMs 在图相关任务中所扮演的角色(增强器、预测器和对齐组件)分为三类,并对这三类中的代表性方法进行了系统调查。我们还讨论了现有研究的局限性,并强调了未来研究的有希望的方向。
本文探讨了大型语言模型(LLMs)在图学习中的潜力和应用,提出了新的分类法,并调查了代表性方法。还讨论了现有研究的局限性和未来研究方向。介绍了LLMs在图预测、节点分类、问题解决等方面的应用,以及与图结构化数据的融合和在知识图谱构建和推荐系统中的应用。