本文探讨了图神经网络（GNN）在动态系统中的应用，提出了多种新方法以增强推理能力和数据效率，包括基于模块化元学习的关系推断、自然语言生成参数的GNN、轻量级因果学习模块以及新的知识图推理方法RUN-GNN。这些方法在关系规则学习和社交关系识别等任务中表现优越，显著提高了模型的效率和解释性。

本研究提出了基于 ChatGPT 的 Cypher 查询语言（CQL）生成框架，用于无人系统中的知识图推理问答。该框架在 CCKS 2023 竞赛中获得第二名，F1-score 为 0.92676。