使用基于大型语言模型的 ChatGraph 框架，用户可以通过自然语言与图形进行交互，更加易于使用和灵活，通过理解用户的输入提示文本和图形，ChatGraph 生成图分析 API 链。

Jan, 2024

本文介绍了现代图数据库查询语言的基本特征和功能，并针对性地介绍了包括边缘标记图和属性图在内的两种流行的图数据模型，以及图模式和导航表达式等最基本的图查询功能。

Oct, 2016

通过一种新的框架 GraphText，将图形转化为自然语言，无需图数据训练，能够实现与监督训练图神经网络相媲美甚至超越其性能的图推理，同时为人类和大型语言模型提供了与模型无缝交流的方式，突显了大型语言模型在图机器学习领域尚未探索的巨大潜力。

Oct, 2023

人工设计的提示工程技术已经被提出来改善基于大型语言模型的问题解决方法，通过以计算图的形式来描述基于 LLM 的代理人，实现多模态数据处理或查询 LLMs，优化节点级别的 LLM 提示（节点优化）和改进代理人编排（边优化），该框架能够高效地开发、整合和自动改进各种 LLM 代理人。

Feb, 2024

ProGraML 是一种使用低级别、语言无关和可移植格式的新颖基于图的程序表示，其中包含能够对整个程序或每个顶点执行分类任务的机器学习模型，其提供了一种通用的程序表示，使可学习的模型能够执行优化所必需的程序分析类型，并在传统编译器分析任务、异构设备映射和程序分类等高级任务方面取得了具有以下优势的最新性能：94.0 F1 评分

Mar, 2020

我们提出了 InstructGLM（指导调整的图语言模型），基于自然语言说明系统地设计高度可扩展的提示，使用自然语言描述图的几何结构和节点特征，通过指导调优语言模型以一种生成方式在图上执行学习和推理，超过了所有竞争的 GNN 基准数据集，证明了我们方法的有效性，并为将生成语言模型替代 GNN 作为图机器学习的基础模型提供了启示。

Aug, 2023

本文提出基于张量函数的图遍历（Graph Traversal via Tensor Functionals，GTTF）的元算法框架，以便于实现不同的图算法。实验表明，此算法可以以更高效的方式扩展到大型图数据集，且仅需为每种方法专门化撰写简短的代码。

Feb, 2021

利用 GraphTranslator 桥接预训练图模型和大型语言模型，实现对预定义任务和开放性任务的统一处理，通过语言指令提供了一种统一视角。

Feb, 2024

GraphX 是一个分布式图计算框架，旨在统一图并行和数据并行计算，解决了构建图、修改结构和跨多个图表达计算的困难，评估结果显示在端到端图处理管道中表现优异。

Feb, 2014

本文通过将图形集成到语言转换器中，改善了理解人类话语、先前和下一个动作之间关系的能力，而无需依赖外部来源或组件。实验分析表明，所提出的图形集成语言转换器模型在实际调用中可以达到比其他生产级对话式人工智能系统更高的性能。

Apr, 2024