GraphLLMs

5个月前更新 728 0 0

关注图机器学习,图表示学习,大模型LLM. 最近顶会顶刊动态以及机器学习基本方法,包括无监督学习、半监督学习、弱监督学习、元学习等

公众号ID:
GraphLLMs
收录时间:
2023-12-01
GraphLLMsGraphLLMs
GraphLLMs

简介

GraphLLMs(Awesome-Graph-LLM)是一个专注于图结构技术与大语言模型(LLM)交叉领域研究的开源学术资源合集。该项目由学术界研究人员维护,在 GitHub 上持续更新,汇集了将图神经网络(GNN)、知识图谱等图结构与 LLM 相结合的最新研究论文和技术方案。对于关注图计算与自然语言处理融合方向的研究者和工程师来说,这是一个不可或缺的参考资源。

核心内容

  • 图学习+LLM 论文集:精选涵盖节点级、边级和图级别任务的 LLM 研究论文,分类清晰
  • 知识图谱增强:收录利用知识图谱增强大语言模型推理能力、减少幻觉的最新研究成果
  • GraphRAG 方法:包含微软 GraphRAG 等将图结构引入检索增强生成的创新方法
  • 多跳推理:关注利用知识图谱实现复杂多跳推理的最新技术进展
  • 持续更新:跟随学术界前沿动态,定期添加最新发表的顶会论文
  • 分类索引:按研究方向和技术路线进行系统分类,方便快速定位相关文献

应用价值

GraphLLMs 所收集的研究成果在多个领域具有重要应用价值:企业级知识管理系统中利用知识图谱提升问答准确率;社交网络分析中结合图结构与 LLM 进行社区发现和影响力预测;生物医药领域通过分子图结构辅助药物发现;推荐系统中利用用户-物品图谱增强个性化推荐效果。

定价

Awesome-Graph-LLM 完全免费且开源,所有论文链接和资源汇总均可免费访问。项目托管在 GitHub 上,欢迎社区贡献新的研究论文和技术资源。

适用人群

该项目适合人工智能方向的研究生、学者、数据科学家和 AI 工程师,尤其是从事图神经网络、知识图谱、大语言模型研究或应用开发的技术人员。

总结

Awesome-Graph-LLM 为图结构与 LLM 融合研究领域提供了一个高质量的论文导航站,帮助研究者和开发者快速了解该领域的最新进展和技术方向,是深入探索图增强语言模型不可或缺的学术资源。

数据统计

相关导航

暂无评论

none
暂无评论...