本研究使用文本为基础的方法提升了知识图谱补全的效果，并通过引入约束型提示来改善大型语言模型生成的文本质量。该方法在低资源计算条件下展现了有效的推理能力，并在WN18RR和FB15K237数据集上超越了之前的结果，为将大型语言模型应用于知识图谱补全任务提供了新的研究方向。

本研究使用文本为基础的方法提升了知识图谱补全的效果，并通过引入约束型提示来改善大型语言模型生成的文本质量。该方法在低资源计算条件下展现了有效的推理能力，并在WN18RR和FB15K237数据集上超越了之前的结果，为将大型语言模型应用于知识图谱补全任务提供了新的研究方向。

本研究使用文本为基础的方法提升了知识图谱补全的效果，并通过引入约束型提示来改善大型语言模型生成的文本质量。该方法在低资源计算条件下展现了有效的推理能力，并在WN18RR和FB15K237数据集上超越了之前的结果，为将大型语言模型应用于知识图谱补全任务提供了新的研究方向。