本研究提出利用知识图谱作为外部信息源，解决大型语言模型在自然语言处理中的幻觉和信息缺失问题。通过层次表示，提升了模型在零样本实体消歧中的表现，评估结果表明该方法优于未增强和仅基于描述的模型。

本研究提出了一种基于大型语言模型的模块化方法，旨在加速知识图谱和本体工程中的建模、扩展、修改及实体消歧等关键任务，从而显著提升工程效率和灵活性。