基于图软提示的不完全知识图谱拓扑感知推理

大型语言模型在知识密集型场景中易产生幻觉，而基于知识图谱的问答（KBQA）虽能缓解此问题，但现有方法依赖显式边遍历，对图谱不完整性敏感。本文提出一种基于图的软提示框架，将推理范式从节点级路径遍历转变为子图级推理。该方法利用图神经网络编码结构子图为软提示，使 LLM 能在更丰富的结构上下文中推理，识别非直接邻居的相关实体，从而降低对缺失边的敏感度。此外，文章引入两阶段范式以平衡计算成本与性能。实验表明该方法在多个基准测试中达到最先进水平。