2510.20345 LLM颠覆知识图谱构建范式

这份研究综述探讨了大型语言模型（LLMs）如何彻底改变知识图谱（KG）的构建方式，标志着从传统的统计规则向生成式架构的范式转移。文章系统地审视了大型模型如何重塑本体工程、知识抽取与融合的核心流程，并对比了注重结构规范的模式驱动（Schema-based）与注重灵活发现的无模式驱动（Schema-free）两种新兴范式。通过总结当前的技术机制与挑战，该综述旨在融合符号逻辑与神经语义理解，从而推动构建更具可解释性与适应性的智能知识系统。最后，作者前瞻性地提出了知识图谱在助力智能体系统和多模态理解等领域的未来发展方向。