本研究提出了一种新型因果知识图谱（CKGs），将因果语义融入知识图谱中，提升推理能力并支持因果推断。结果表明，该方法能够高精度重现已知的不良药物反应，并发现新的候选项，具有重要的临床应用价值。

本文回顾了大型语言模型（LLMs）在图形应用中的优缺点，提出了新的分类法，并探讨了其在心理学和金融等领域的潜在应用。研究表明，结合因果知识图谱和LLMs可以自动生成新假设，提升知识图谱的准确性和解释性，为未来研究提供新方向。