本体（Ontology）是知识图谱的“骨架”或“模式层”，它定义了领域内知识的抽象框架和规则
知识图谱
- 知识图谱能够为通用大模型的工业化应用提供行业领域知识支撑，弥补通用大模型语料里专业领域知识的不足。
- 利用知识图谱中的知识构建测试集，可对大模型的生成能力进行各方面的评估，降低事实性错误的发生概率。
- 可以利用知识图谱在大模型中引入指定约束，适度控制内容生成，提高大模型在行业应用场景中的适应能力。
大模型
- 大模型可以利用语义理解和生成等能力抽取知识，提高知识抽取的准确性和覆盖度，也可以抽取出隐含的、复杂的、多模态的知识，降低图谱构建成本。
- 大模型可以利用其语义理解和指令遵循等能力，辅助知识图谱的半自动化构建设计，增加知识的全面性和覆盖度，协助更好的完成知识融合和更新。
- 大模型可以辅助提升知识图谱的输出效果，生成更加合理、连贯、有创新性的内容，例如文本、图像、音频等。
融合方向
互补：优势结合
大模型擅长处理自然语言和模糊知识，而知识图谱擅长表示结构化知识并进行推理。相互结合，可以充分发挥它们的优势，解决更复杂的问题。
互动：双向流动
大模型可以用于从文本中提取知识、从而扩展和丰富知识图谱的内容。知识图谱可以为大模型提供结构化知识进行语义补充和生成引导。
增强：价值倍增
知识图谱和大模型融合可以相互增强各自的能力。知识图谱可以提高大模型的语义理解和准确性，而大模型可以为知识图谱提供更丰富的语言知识和生成能力。