本期将分享近期全球知识图谱相关
行业动态、近期会议、书籍推荐
Istari Digital+Dgraph
Istari Digital公司宣布收购开源图数据库Dgraph。Dgraph作为高性能分布式图数据库，专为AI原生工作流设计，具备原生GraphQL支持，能够大规模处理复杂数据关系，广泛应用于知识图谱、推荐系统和AI智能体记忆等场景。
此次收购将Istari的数据主权平台与Dgraph的图智能能力相结合，使企业能够在保持数据控制权的同时，实现对分散数据的跨域查询和推理，无需进行数据集中整合。这一技术组合为工程数据和AI工作流建立了统一的供应商中立基础，既保障了数据主权，又提升了工程敏捷性。
收购完成后，Istari将继续支持Dgraph开源社区，同时将其图能力整合到数据架构中，进一步增强企业的AI工作流和数据分析能力。
https://t.hk.uy/bYpY
Graph AI套件
Graphwise近日发布Graph AI套件，该平台通过集成知识图谱与GraphRAG技术，为企业构建可自我优化的可信AI系统。平台具备建模映射、自动化摄取、语义分析和GraphRAG四大核心能力，能够将结构化与非结构化数据转化为知识图谱，为LLM提供准确、上下文丰富的语义数据，有效减少幻觉问题。
该套件采用一体化平台设计，显著降低了企业构建知识图谱的门槛。客户Avalara的实践表明，基于知识图谱的GraphRAG系统在关键税务应用中实现了比传统向量RAG更高的准确性。随着企业对可信AI需求增长，知识图谱正成为构建企业级语义层和夯实LLM基础的关键技术。
https://t.hk.uy/bYpX
WISE 2025
The International Web Information Systems Engineering conference --WISE 2025将于12月15-18日在摩洛哥马拉喀什举行。该会议为全球学者、研究人员、专业人士及行业从业者提供国际交流平台，共同分享快速发展的Web技术、方法论与应用领域的科学创新、知识成果和独到见解，以当下之力塑造未来互联网。
https://wise2025.ficloud.org/
Large Language Models Meet Knowledge Graphs
分享近日被EMNLP25接收的题为“ Large Language Models Meet Knowledge Graphs for Question Answering: Synthesis and Opportunities ”的综述文章。
该文章探讨大语言模型（LLMs）与知识图谱（KGs）在问答任务中的融合方法及未来机遇。大语言模型虽在自然语言处理中表现出色，但在复杂问答任务（如多跳推理、长上下文推理）中存在推理能力不足、知识更新滞后、幻觉生成等问题。知识图谱作为结构化知识库，可提供精准事实依据，但传统方法难以有效整合LLMs与KGs。融合方法分类论文提出以知识图谱角色为视角的分类体系，将现有方法分为四类： 1）KG作为背景知识：通过检索增强生成（RAG）等技术，将KG中的知识作为LLM的输入上下文。 2）KG作为推理指导：利用KG的结构化关系引导LLM进行逻辑推理，如基于子图的推理增强。 3）KG作为过滤器和验证器：通过KG验证LLM生成的答案，过滤不准确或不相关的信息。4）混合方法：KG与大语言模型融合过程中涉及以上多种角色。该文章同时探讨了上述不同方法如何解决不同复杂问答的技术挑战，并对相关的评估标准与数据集进行了归纳和总结。该文章提到尽管近年提出的GraphRAG、KG-RAG等方法结合LLMs与KGs，在复杂问答任务中取得显著提升，但现有方法现有方法仍面临知识冲突、检索上下文质量不足、多跳推理能力有限等问题。该论文为LLMs与KGs的融合研究提供了系统性框架，为未来研究指明方向，尤其在复杂问答任务中具有重要参考价值。
论文链接：https://arxiv.org/abs/2505.20099，感兴趣的读者可以关注。
更多链接
内容：程湘婷、卢小柯、王图图、KGs&AI
诚邀您加入我们的gStore社区，我们将在群内解决使用问题，分享最新成果~
请在微信公众号图谱学苑发送“社区”入群~
微信社区群：请回复“社区”获取
