学习思维链提示以预测知识图谱中的实体、关系乃至字面量

针对知识图谱嵌入模型在处理未见实体、关系及字面量时的局限性，本文提出 RALP 方法，将链接预测重构为提示学习问题。该方法利用 MIPRO 算法通过贝叶斯优化，从少量样本中学习基于字符串的思维链（CoT）提示作为三元组评分函数，无需梯度访问即可实现高效推理。实验表明，RALP 在多个基准测试中显著优于现有最先进模型，并在复杂 OWL 推理任务中展现出卓越的泛化能力，证明了基于提示的 LLM 推理是嵌入方法的有效替代方案。