LLM赋能图规则挖掘研究发布
Get the story
2026年10月8日，arXiv（Human-Computer Interaction）发布研究，提出用大语言模型（LLM）弥合用户与图关联规则挖掘过程之间的差距。研究称，传统图挖掘技术要求用户具备图论和形式查询语言的先验知识；Property Graphs 虽为建模复杂系统提供了直观且可扩展的抽象方式，但相关规则测试门槛仍较高。该研究通过提示 LLM 来构建、精炼和解释复杂关系规则，并直接生成 MINE GRAPH RULE 查询。目前报道仅涉及方法提出，未披露实验数据或后续验证进展。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Human-Computer InteractionLLM 如何赋能图规则挖掘中的用户
该研究提出用大语言模型（LLM）弥合用户与图关联规则挖掘过程之间的差距，通过提示 LLM 来构建、精炼和解释复杂关系规则，直接生成 MINE GRAPH RULE 查询。传统图挖掘技术要求用户具备图论和形式查询语言的先验知识，而 Property Graphs 虽为建模复杂系统提供了直观且可扩展的抽象方式，相关规则测试仍门槛较高。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.