图形数据

在线工作建议中探索用于图形数据理解的大语言模型

大型语言模型（LLMS）已彻底改变了语言处理任务，并在各个领域中证明了它们的出现功能。然而，在工作建议中，它们用于图形语义挖掘的可能性在很大程度上没有探索。本文着重于揭示大型语言模型在理解图形图表方面的能力，并利用这种理解来增强在线招聘中的建议，包括促进分布式（OOD）应用程序。我们提出了一个新颖的框架，该框架利用了大型语言模式提供的丰富上下文信息和语义表示，以分析行为图并揭示基本的作品和关系。具体来说，我们提出了一个元路径提示构造器，该构造器首次推荐LLM推荐掌握行为图的语义，并设计一个相应的路径增强模块，以减轻基于路径的序列输入引入的及时偏差。通过填充此功能，我们的框架为个人用户提供了个性化和准确的工作建议。我们评估了方法对全面的现实数据集的有效性，并证明了其提高推荐结果的相关性和质量的能力。这项研究不仅阐明了大型语言模型的未开发潜力，而且还为招聘市场中的高级推荐系统提供了宝贵的见解。这些发现有助于纳特语言处理的日益增长的领域，并为增强求职体验提供了实践含义。