利用知识图谱和大语言模型进行情境感知消息传递
人工智能
2025-03-19 v1
摘要
个性化消息在改善诊疗、教育和专业协作等领域的沟通方面发挥着至关重要的作用。本文引入了一个框架，使用知识图谱 (KG) 通过整合个人和情境特定数据来动态重述书面通信。知识图谱将个人、地点和事件作为关键节点，将消息中提及的实体链接到其对应的图节点。然后提取相关信息（如偏好、专业角色和文化规范），并与原始消息一起处理，通过大语言模型 (LLM) 生成个性化响应。该框架在各个领域显示出显著的消息接受率：在医疗保健领域为 42%，在教育领域为 53%，在专业招聘中为 78%。通过整合实体链接、事件检测和语言建模，该方法为情境感知、面向特定受众的沟通提供了结构化且可扩展的解决方案，促进了各领域的高级应用。
引用
@article{arxiv.2503.13499,
title = {Leveraging Knowledge Graphs and LLMs for Context-Aware Messaging},
author = {Rajeev Kumar and Harishankar Kumar and Kumari Shalini},
journal= {arXiv preprint arXiv:2503.13499},
year = {2025}
}