本文探讨了如何利用大型语言模型（LLM）增强知识图谱（KG）的推理能力。提出的结构感知推理框架通过嵌入结构信息，显著提升了知识推理性能，尤其在关联预测任务中表现优异。此外，结合实体锚点和负采样的方法提升了知识图谱补全效果，并提出了多语言知识图谱补全的预训练模型，验证了其在多个基准测试中的优越性。