知识图谱，彻底炸了！

图为LLMs和KGs的优缺点

导师推荐知识图谱前沿论文

讲师介绍：Hank老师

-研究领域：自然语言处理技术与方法，如语言理解、语言生成、语言匹配与推理以及知识图谱表征推理和多模态表示学习等。

-共发表10余篇SCI国际期刊、EI会议论文和CCF-A类会议论文, 发明专利申请和授权10余项。

-指导公司实习生10余人，善于挖掘学生兴趣，尊重学生选择，理论和实战结合。

课程大纲：

第1节：知识图谱与LLMs融合简介

1、大规模语言模型(LLM)回顾

2、知识图谱与LLM融合原因

3、知识图谱与LLM融合方式 

第2节：知识图谱增强的LLMs

1、简述知识图谱及其组成要素

2、知识图谱增强的LLM方法与技术 

第3节：知识图谱增强的LLMs垂直应用分享 

1、智能问答系统中的应用

2、文本生成任务中的应用

3、信息检索与知识推理的案例 

大语言模型与知识图谱融合的前瞻性路线图包括三个一般的框架：

1）KG增强的LLMs，在LLMs的预训练和推理阶段加入KGs，或者为了加强对LLMs所学知识的理解；

 2）LLM增强的KG，利用LLM完成不同的KG任务，如嵌入、完成、构建、图文生成和问题回答；

3）协同的LLM+KG，其中LLM和KG扮演同样的角色，以互利的方式工作，以增强LLM和KG的双向推理，由数据和知识驱动。

导师推荐知识图谱前沿论文

• LLMs中用于检测幻觉的KGs

• 用于编辑LLM中知识的KGs 

• 用于LLMs的KGs知识注入

• 多模态LLMs for KGs 

• 理解KG结构的LLMs

• 双向推理的协同LLM和KGs

对于还没有发过第一篇论文，还不能通过其它方面来证明自己天赋异禀的科研新手，学会如何写论文、发顶会的重要性不言而喻。

发顶会到底难不难？近年来各大顶会的论文接收数量逐年攀升，身边的朋友同学也常有听闻成功发顶会，总让人觉得发顶会这事儿好像没那么难！

但是到了真正实操阶段才发现，并不那么简单，可能照着自己的想法做下去并不能写出一篇好的论文、甚至不能写出论文。掌握方法，有人指点和引导很重要！

还在为创新点而头秃的CSer，还在愁如何写出一篇好论文的科研党，一定都需要来自顶会论文作者、顶会审稿人的经验传授和指点。

很可能你卡了很久的某个点，在和学术前辈们聊完之后就能轻松解决。

右滑查看近期学院中稿部分展示

文末福利

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/