计算机工程与应用

作者：张雨婷, 王淑营

单位：西南交通大学 计算机与人工智能学院，成都 611756；

关键词：知识图谱,知识图谱补全,大语言模型,提示策略

基金：四川省重大科技专项（2022ZDX0003）。

知识图谱作为一种有效的知识表示方法，可以系统化地描述实体、属性、关系及状态之间的关联。然而，由于现实世界环境复杂、实体关系多样，现有知识图谱往往存在知识覆盖不全面等问题。提出了一种基于大模型的知识图谱补全方法，通过融合大模型的自然语言理解和知识推理能力，实现对缺失三元组的智能补全。利用知识嵌入模型获取实体和关系的结构化表征，继而引入图注意力网络的自注意力和多头注意力机制来捕捉复杂的关系模式，同时结合图卷积网络来增强对局部结构特征的学习。设计多层次提示策略来引导大模型，从而实现知识的推理和补全。该方法在水平公开领域基准数据集FB15K-237和WN18RR上进行了系统性实验，实验结果显示在MRR、Hits@1、Hits@3和Hits@10等核心评价指标上较现有基准方法均有一定提升。为进一步验证模型的领域泛化能力，特别选取风机故障诊断这一垂直领域构建专业数据集进行迁移验证，实验结果表明该方法在不同领域场景下均保持稳定的性能表现，展现出良好的跨领域适应能力。

来源：2026年第3期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第3期