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。

分类法 图学习 大型语言模型 应用 未来研究方向 语言模型