综述：大语言模型与图学习融合，聚焦文本属性图的两条技术路线

Lihui Liu 于2026年3月5日发布综述，梳理大语言模型与图学习融合的概念、方法与近期进展，重点面向文本属性图。论文称，在LLM兴起前，图神经网络是图学习主流方法，节点嵌入、图卷积、图注意力与随机游走类技术被广泛采用；处理带文本节点属性的图时，通常以浅层文本嵌入作为初始节点表示，但这类嵌入所捕获的通用知识有限。该综述围绕节点分类、链接预测与基于图的问答等任务，考察两条主要路线：一是“LLM作为增强器”，由LLM以其知识丰富节点文本属性，再由图学习方法作出预测；二是“LLM作为预测器”，将图数据作为LLM输入，由其直接求解图相关任务。作者称，通过对这两个方向的系统考察，给出了关于LLM与图学习整合的观察与新见解。