Npj Comput. Mater. : 都说有知识图谱很幸福，殊不知大模型在幕后多辛苦

主要观点总结

本文介绍了来自北京工业大学的李建荣教授和华东理工大学的杜文莉教授团队如何利用大语言模型构建框架材料知识图谱以整合碎片化的知识。通过深入分析超过10万篇关于不同类型的框架材料的文章，他们建立了一个庞大的知识网络。此外，他们还开发了一种名为Qwen2-KG的问答系统，该系统的回答准确率达到了91.67%，高于其他现有模型。知识图谱的应用有助于解决知识碎片化问题，促进知识的系统化和结构化。

关键观点总结

关键观点1: 框架材料在科学研究中的重要性

框架材料由于其独特的晶体结构和可调控的多孔性，在气体储存、分离、催化、传感等领域有广泛应用。

关键观点2: 利用大语言模型构建知识图谱的方法

通过对超过10万篇文章的分析，建立了包含253万个节点和401万条关系的框架材料知识图谱，提高了效率，减少了人工整理的工作量。

关键观点3: 知识图谱在问答系统中的应用

将知识图谱与LLMs结合，开发出了名为Qwen2-KG的问答系统，其回答准确率达到了91.67%，高于其他现有模型。

关键观点4: 知识图谱的应用前景

知识图谱的应用不仅解决了知识碎片化问题，促进了知识的系统化和结构化，还为其他领域的知识整合提供了参考，展现了人工智能技术在科学研究中的潜力。

免责声明