Graph Repairs with Large Language Models: An Empirical Study
作者: Hrishikesh Terdalkar, Angela Bonifati, Andrea Mauri
分类: cs.CL, cs.DB, cs.ET
发布日期: 2025-07-04
备注: Accepted to the 8th GRADES-NDA 2025 @ SIGMOD/PODS 2025
💡 一句话要点
利用大型语言模型进行图数据修复：一项实证研究
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 图数据修复 大型语言模型 属性图 数据质量 自动化修复
📋 核心要点
- 现有图修复方法依赖于规则或人工干预，难以适应不同数据集且成本高昂，在大规模图数据上表现不佳。
- 该论文探索利用大型语言模型（LLM）的上下文推理和知识，实现自动化的图数据修复，无需人工干预。
- 实验评估了多个开源LLM在图修复任务中的表现，揭示了LLM在图修复方面的潜力，并指出了其局限性。
📝 摘要（中文）
属性图广泛应用于医疗、金融和社交网络等领域，但由于不一致性、数据缺失或模式冲突，它们经常包含错误。传统的基于规则和启发式的图修复方法适应性有限，因为它们需要为每个数据集定制。另一方面，当处理大型图时，交互式的人工参与方法可能变得不可行，因为涉及用户的时间和精力成本太高。大型语言模型（LLM）的最新进展通过利用上下文推理和对真实世界知识的访问，为自动化图修复提供了新的机会。我们评估了六个开源LLM在修复属性图方面的有效性。我们评估了修复质量、计算成本和特定模型的性能。我们的实验表明，LLM有潜力检测和纠正错误，但准确性和效率各不相同。我们讨论了LLM驱动的图修复的优势、局限性和挑战，并概述了未来改进可扩展性和可解释性的研究方向。
🔬 方法详解
问题定义：论文旨在解决属性图中由于不一致、缺失数据或模式违反而产生的错误修复问题。现有方法，如基于规则的方法，需要针对特定数据集进行定制，缺乏泛化能力。人工参与的方法在大规模图数据上成本过高，难以应用。
核心思路：论文的核心思路是利用大型语言模型（LLM）的强大上下文理解能力和丰富的知识库，将图修复任务转化为LLM可以理解和处理的自然语言问题。通过提示工程（Prompt Engineering），引导LLM识别并纠正图中的错误。
技术框架：该研究采用实证评估的方法，没有提出新的技术框架。其流程主要包括：1）构建包含错误的属性图数据集；2）设计合适的提示（Prompt），将图数据和修复目标输入LLM；3）利用LLM生成修复后的图数据；4）评估修复后的图数据质量，并分析LLM的性能。
关键创新：该研究的关键创新在于探索了利用预训练的LLM进行图数据修复的可能性，无需针对特定图结构或错误类型进行专门训练。这为自动化图数据修复提供了一种新的思路，降低了开发和维护成本。
关键设计：论文的关键设计在于提示工程，即如何设计有效的提示，引导LLM理解图数据和修复目标。具体的技术细节，如提示的具体内容、LLM的选择、评估指标等，需要在实验部分进一步了解。论文评估了六个开源LLM，并比较了它们的修复质量、计算成本和模型特定性能。
🖼️ 关键图片
📊 实验亮点
实验结果表明，大型语言模型在图数据修复方面具有潜力，能够检测和纠正一定程度的错误。不同LLM的准确性和效率存在差异，需要根据具体应用场景进行选择。研究还指出了LLM在图修复方面的局限性，例如可扩展性和可解释性问题，为未来的研究方向提供了参考。
🎯 应用场景
该研究成果可应用于多种领域，例如医疗健康、金融风控、社交网络分析等，用于提升数据质量，减少错误带来的负面影响。自动化图修复能够降低人工成本，提高数据处理效率，为后续的图数据分析和挖掘提供更可靠的基础。
📄 摘要（原文）
Property graphs are widely used in domains such as healthcare, finance, and social networks, but they often contain errors due to inconsistencies, missing data, or schema violations. Traditional rule-based and heuristic-driven graph repair methods are limited in their adaptability as they need to be tailored for each dataset. On the other hand, interactive human-in-the-loop approaches may become infeasible when dealing with large graphs, as the cost--both in terms of time and effort--of involving users becomes too high. Recent advancements in Large Language Models (LLMs) present new opportunities for automated graph repair by leveraging contextual reasoning and their access to real-world knowledge. We evaluate the effectiveness of six open-source LLMs in repairing property graphs. We assess repair quality, computational cost, and model-specific performance. Our experiments show that LLMs have the potential to detect and correct errors, with varying degrees of accuracy and efficiency. We discuss the strengths, limitations, and challenges of LLM-driven graph repair and outline future research directions for improving scalability and interpretability.