本研究探讨了大型语言模型（LLM）在知识图谱中的应用，提出了Knowledge Graph LLM（KG-LLM）框架，利用三元组进行建模。实验结果显示，该方法在三元组分类和关系预测中表现优异，微调小模型的效果超越了ChatGPT和GPT-4。此外，研究还提出了EKRG框架，实现了低成本的企业知识库问答，并评估了不同知识图谱注入方法的有效性，发现LLM能够有效处理混乱的知识图谱。

该文综述大语言模型与知识图谱的结合研究，涵盖新闻和对话推荐、电商知识图谱关系标注、实体关系抽取及本体构建，并探索KG-LLM框架，将三元组视为文本序列，在三元组分类和关系预测上达到最优，微调小模型优于GPT-4。同时总结LLM推荐系统的方法与挑战。