• 怎么做才能不浪费时间？

  在时间的漫长中体验时间。

• 一场战争爆发时，人们说：“这仗打不长，因为那太愚蠢了。”毫无疑问，战争的确太愚蠢，然而愚蠢并不妨碍它打下去。倘若人不老去想自己，他会发觉蠢事有可能一直坚持干下去。在这方面，他们和大家一样，他们想的是他们自己，他们都是人本主义者：他们不相信天灾。天灾怎么能和人相比！因此大家想，这灾祸不是现实，它只是一场噩梦，很快就会过去。

  然而，噩梦不一定会消逝，它们一个接着一个，其间逝去的却是人，首先是那些人本主义者，因为那些人没有采取预防措施。他们的过失并非比别人严重，他们忘记了人应当谦虚，如此而已。

这篇论文引入了一个名为 SparqLLM 的框架，通过结合 RAG 与 LLM，实现了从自然语言到 SPARQL 查询的自动生成，以简化知识图谱的查询过程。

1 Introduction

背景：非技术员工不懂 SPARQL；KG + LLMs 无法生成精确高效的 SPARQL 查询，且存在幻觉问题。

SparqLLM：被设计为 RAG 框架，可自动从自然语言问题生成 SPARQL 查询，同时生成最适当的数据可视化以返回获得的结果。

目标：提高 KG 的准确性、可用性和可靠性，实现与语义数据的更直观和有效的交互。

2 Related Work

• 自然语言接口 (NLI)：将非结构化输入转换为 SPARQL 等正式查询语言，使非技术用户更容易访问基于 RDF 的知识图谱。

• LLMs：利用它们处理和生成复杂文本的能力，为自动生成查询提供了一个强大的框架，减少了人工干预的需要，使非专家用户也能访问知识图谱。

• 基于模板的方法：通过为查询生成提供确定性框架来补充上述方法。

这篇论文提出了一种称为 Generate-on-Graph(GoG) 的免训练方法，它可以在探索 KG 时，生成新的事实三元组。

具体来说，在不完全知识图谱(IKGQA) 中，GoG 通过 Thinking-Searching-Generating 框架进行推理，它将 LLM 同时视为 Agent 和 KG。

1 Introduction