本研究提出了一种新的链接预测方法，针对知识图谱的普遍不完整性。通过重新分析知识图谱及现有工具，强调链接预测应视为结构性任务，以促进知识图谱学习和跨知识图谱转移学习的理解，提供新的视角和潜在影响。

本文研究了知识图谱不完整性对检索增强生成方法（KG-RAG）性能的影响，结果表明KG-RAG对知识图谱的不完整性敏感，需开发更强健的方法以应对实际应用中的挑战。

本研究探讨了人类与大型语言模型（LLM）互动中的不完整性和模糊性，提出了一种神经符号框架，分析这些因素对答案正确性的影响。研究表明，多轮互动有助于解决复杂问题，并减少不完整性和模糊性。