Una encuesta sobre modelos grandes de lenguaje para grafos

Los grafos son una estructura de datos esencial utilizada para representar relaciones en escenarios del mundo real. Investigaciones previas han establecido que las Redes Neuronales de Grafos (GNNs) ofrecen resultados impresionantes en tareas centradas en grafos, como la predicción de enlaces y la clasificación de nodos. A pesar de estos avances, persisten desafíos como la escasez de datos y capacidades limitadas de generalización. Recientemente, los Modelos Grandes de Lenguaje (LLMs) han ganado atención en el procesamiento del lenguaje natural. Sobresalen en comprensión y resumen del lenguaje. Integrar los LLMs con técnicas de aprendizaje en grafos ha despertado interés como una forma de mejorar el rendimiento en tareas de aprendizaje en grafos. En esta encuesta, realizamos una revisión profunda de los últimos LLMs de vanguardia aplicados en el aprendizaje de grafos e introducimos una novedosa taxonomía para categorizar los métodos existentes según el diseño de su marco. Detallamos cuatro diseños únicos: i) GNNs como Prefijo, ii) LLMs como Prefijo, iii) Integración LLMs-Grafos, y iv) Solo LLMs, destacando metodologías clave dentro de cada categoría. Exploramos las fortalezas y limitaciones de cada marco y enfatizamos posibles vías para investigación futura, incluyendo superar los desafíos actuales de integración entre LLMs y técnicas de aprendizaje en grafos, y explorar nuevas áreas de aplicación. Esta encuesta aspira a servir como un recurso valioso para investigadores y profesionales deseosos de aprovechar modelos grandes de lenguaje en el aprendizaje de grafos, e inspirar el progreso continuo en este campo dinámico. Mantenemos consistentemente los materiales relacionados de código abierto en https://github.com/HKUDS/Awesome-LLM4Graph-Papers.