本文探讨了低秩矩阵补全方法在真实应用中样本过程与数据值独立假设的不足，通过实验比较不同算法在数据依赖采样下的表现，发现调整算法能显著提升补全性能。

该研究探讨了知识图谱在信息抽取中的应用，介绍了多种知识图谱补全方法，包括基于嵌入式网络、预训练语言模型和信息检索的模型，旨在提升链接预测和结构学习的性能，并提出了加速模块和评估方法的改进方向。

本文介绍了多种基于大型语言模型的知识图谱补全方法，如MPIKGC、KICGPT和CKGC-CKD。这些方法通过约束型提示、关系感知图神经网络和知识蒸馏机制，提升了知识图谱的补全效果和推理能力，尤其在多语言数据集上表现优异，为知识图谱研究提供了新方向。

本文探讨了知识图谱在推荐系统中的应用，重点研究了不完整知识图谱的补全方法。通过结合深度学习和图神经网络，提出了多种模型和算法，提升了推荐性能和知识图谱构建效率，解决了数据异构性和语义复杂性问题。

本文综述了时间知识图谱补全方法的研究进展，涵盖背景、评估指标和现有方法，旨在解决静态知识图补全的不准确问题。讨论了内插和外推技术，并指出未来研究方向和挑战。