知识图谱增强的大语言模型（KG4LLM）LLM能从大规模语料库中学习知识，并在诸如实体识别，关系抽取等多种自然语言处理任务中取得最先进的性能。然而，LLM在生成文本时可能产生看似合理而实际错误的内容，被称为“幻觉问题”；其次，尽管LLM可以从大规模语料库中学习大量知识，但这些知识基于统计模式，不是真正的实际知识，可能导致在处理特定领域问题时缺乏深刻理解和准确知识；最后，LLM生成的结果通常缺乏可解释性，用户很难理解模型如何得出特定结论或生成特定文本，结果缺乏可解释性限制了模型在关键任务中的可用性。为解决这些问题，鉴于KG以明确且结构化的方式存储大量知识，可用于提升LLM的性能，如图1所示，研究人员提出将KG整合到LLM中，以增强LLM的性能表现。