知识图谱研究报告

研究摘要

知识图谱使信息所指的身份、关系和情境得到明确表达。它的实际价值在于连接原本分散的记录，说明这些连接意味着什么，并保留解释它们所需的证据。当使用者能够判断一项陈述涉及哪个实体、来自何处、在何时适用，以及可以据此合理得出什么结论时，图谱才成为有用的知识基础设施。仅凭一张视觉上引人注目的网络图，无法确立这些性质。

本报告把知识图谱作为一个贯通研究与工程的整体来考察，连接模式设计、实体抽取、关系抽取、知识存储、图计算、知识推理、应用与人工智能智能体。核心观点是：系统的可靠表现依赖这些阶段之间的一致约定。抽取模型无法修复含糊的身份政策；高速数据库不能使没有依据的关系变成事实；如果图谱缺少权限、时间戳或证据状态，智能体就无法安全地据此行动。

分析围绕三项区别展开。第一，文档中的一次提及不同于它所指的实体。第二，来源中的断言不同于已接受的事实，也不同于模型预测。第三，图算法、逻辑证明与因果结论回答的是不同问题。明确这些区别，有助于改进系统设计，避免夸大知识图谱“理解”了什么；它们也解释了为何将所有内容存成不加区分的三元组集合，往往不能产生预期效果。

报告结合叙述性文献综述、原创架构分析与合成计算示例。基础综述提供领域定位，标准确立形式语义，原始研究论文说明具体方法。研究使用 Consensus 和 SciSpace 发现文献线索，随后核对原始发表记录与可访问的论文页面，并使用 Wolfram 验证一个小型 PageRank 计算。检索索引对年份或作者姓名有时存在分歧，因此在条件允许时，参考文献优先采用可识别的正式发表版本。证据检索日期为2026年10月1日。本报告是选择性的整合综述，并非穷尽式系统综述，也不是新的基准实验。

近期关于图谱检索增强生成和图谱引导智能体的研究，展示了结构化知识与语言模型结合的若干可行方式。对于需要明确连接、来源追溯或受控更新的问题，现有证据支持进一步研究这些组合，但不足以认定加入图谱总能改善检索系统。建图错误、检索扩展、过时摘要与额外处理成本，可能抵消收益。因此，严格评价应在相同语料、模型、访问政策和成本预算下，把图谱方法与更简单的替代方案进行比较。

原创案例“研究证据图谱”贯穿全文，连接文档、主张、人物、方法、数据集与实验。除非正文明确指向真实出版物，案例中的人物、机构、日期与实验记录均为虚构。该案例说明如何让图谱支持研究助手，同时避免将作者的主张误认为独立确认的事实；它也展示了从小型本地项目发展到有治理机制的组织系统的实践路径。

阅读指南

第1、2章解释知识图谱的含义与模式；第3至6章讨论构建与存储；第7、8章区分计算与推理；第9至11章考察应用、语言模型与智能体；第12至14章讨论评价、实施与研究重点。英文原稿在术语首次出现时及术语表中提供中文注释；本中文版对正文作完整翻译，并保留必要的英文术语。图示为原创解释性示意，数值案例来自合成计算，不是实证发现。方括号中的编号对应参考文献。

1.1 操作性定义

知识图谱是对实体及实体之间关系的结构化表示，其组织方式能够支持解释、整合、查询和推断。本报告采用这一定义，不把某一种存储格式当作普遍定义。有用的图谱可以描述人物与机构、组件与依赖、基因与生物过程，或文档与主张。研究对象既可以是具体事物，也可以是抽象、变化、存在争议或仅被部分观察的事物。关键在于，图谱必须传达足够明确的含义，使目标使用者能够一致地解释其中的连接。

Hogan等人将图数据模型、查询、验证、表示与推理视为知识图谱相互联系的方面加以综述[1]。Ji等人则围绕表示学习、获取与补全、时序知识及应用组织研究[2]。这些综述展示了领域的广度：有些研究群体强调形式语义与互操作，有些强调学习得到的表示、大规模信息抽取或应用效果。因此，报告必须明确自身假设，因为同一个“知识图谱”名称可能指向保障能力差异很大的系统。

设有三条记录：某文档将“M. Chen”列为作者，机构名录记录“Mei Chen”，实验日志则使用“研究者042”。如果有充分证据支持身份认定，知识图谱可以把这些记录关联到同一个人，再把该人与论文和实验相连。收益不在于把信息画成圆圈和连线，而在于系统能够跨记录提问，同时保留认定这些记录指向同一人的依据。

这一定义并不要求图谱包含全部人类知识、由系统自动生成，或采用特定数据库。对聚焦任务而言，经过认真维护的数百条研究主张，可能比身份识别薄弱的大型实体集合更有用。规模会改变工程要求，却不能替代语义清晰度。图谱也不必使用所有本体功能；有限而一致的词汇，加上稳定身份与溯源记录，就可能成为实用系统的良好基础。

1.2 实体 关系与陈述

实体是系统决定持续识别的对象，节点则是实体或其他建模对象的一种表示。两者相关但不可互换：同一实体可能对应多个尚未消歧的节点；节点也可能表示文档片段、断言或事件，而非实物。关系类型说明连接预期表达的意义，一条具体的边则实例化这种连接，并可能带有附加属性。

三元组是一种常见陈述形式，由主语、谓语和宾语组成。例如“论文P使用方法M”标识主语、命名关系并标识宾语。在RDF中，图是三元组集合；主语可以是IRI或空白节点，谓语是IRI，宾语还可以是字面量。数据集可以组织默认图与命名图[4]。这一形式模型是精确的，但真实主张往往需要更多情境。“方法M提高准确率”若缺少评价、基线、数据集和度量，仍是不完整的陈述。

因此，研究证据图谱将比较结果表示为一个Evaluation评价实体，连接方法、数据集版本、指标、基线、得分与来源段落。这可以避免把两次评价误压缩成一条不受时间约束的边，也能暴露缺失信息。如果来源没有给出基线，记录应保留这一缺失，而不是暗示该方法优于所有替代方案。图谱由此成为对证据的结构化说明，而非彼此孤立的口号集合。

1.3 模式与实例知识

模式描述可用的类别、关系含义与约束；实例数据描述具体事物。“每个实验都有数据集”是一项模式层面的约定，“实验E使用数据集D”则是实例断言。区分二者，既能检查具体记录是否符合要求，也使模型变化可被识别。新增一个数据集记录通常不需要修改模式，而引入数据集谱系这一新概念则可能需要。

本体通常比轻量应用模式更明确地表达概念约定，可以定义类层级、属性特征、等价、互斥或逻辑限制。分类体系主要按层级组织类别，受控词表则规范标签。这些产物可以共存。例如，研究图谱可以用受控词表统一研究方法名称，用分类体系组织学科，再用一个小型本体表达作者身份与证据。把每份标签清单都称为本体，会掩盖这些不同功能。

图数据库是存储和查询系统，知识图谱则是被建模的知识及其解释。同一个知识图谱可以分布在多个物理系统中，图数据库也可以存放缺少明确语义的信息。同样，关系数据库能够通过表、标识符和连接操作支持知识图谱的部分功能。因此，选择图数据库属于实现决策，不能单独完成概念设计。

1.4 知识具有情境且并不完整

断言记录某项陈述已经被提出，并不因其存在就证明其真实。来源可能有误、过时、带有宣传目的，或只是在描述假设情境。图谱应区分“文档D报告主张C”与“主张C已被独立验证”。当语言模型从措辞自信的文本中抽取内容时，这一区别尤其重要。句子表面的确定程度与背后证据的可靠程度，是不同的属性。

缺失信息也需要解释。在开放世界假设下，某项陈述没有出现，不表示它为假。RDF和OWL推理通常采用开放世界语义[5, 7]。不过，本地应用仍可为特定目的定义封闭且经过审计的数据集。例如，实验登记系统可以承诺在报告期结束前登记全部已完成实验；对该登记库的查询便可采用更窄的完备性假设。这一假设应明确记录，不能默默推广到整个世界。

矛盾本身可能提供信息。两篇论文可能因研究人群、日期、仪器或定义不同而报告不同结果。整合流程首先应检查主张是否针对相同条件。如果分歧仍然存在，同时保留两项主张及其来源，可能比自动选择其中一项更忠实。图谱可以通过显示冲突位置支持调查。单一裁决值应被视为按照明确解决政策形成的治理视图，而不是数据汇集后必然出现的唯一结果。

1.5 图谱何时有用

当问题需要反复跨越身份、关系类型、来源或抽象层级时，图谱尤其有用。例如，沿供应商依赖追踪组件故障，寻找多项独立研究共同支持的主张，或识别哪些内部流程依赖已经过时的法规。在这些情况下，明确的连接使应用能够沿关系查找，而无需每次都从孤立文本片段中重新构造联系。

如果主要工作是按关键词检索完整文档、计算常规数值汇总，或维护跨记录关系很少的稳定事务表单，建图投入未必同样值得。搜索引擎、分析数据库和常规应用表可能已经能够很好地处理这些任务。图谱可以与它们共存，但新增的模式、身份管理与维护工作，应通过可测量的任务改进证明其价值。本报告把这一选择看作需要实证检验的设计问题，而非对某种技术的预先承诺。

2.1 从问题与决策开始

模式设计从系统必须回答的问题，以及答案所支持的决策开始。能力问题是检验模型表达能力的具体问题。例如，研究证据图谱需要回答：“哪些研究支持方法M在数据集D上提高检索质量，这一结论适用于什么条件？”也需要回答：“哪些结论依赖一篇后来被更正的论文？”这些问题要求表达来源、主张、评价、版本和依赖关系，也立即说明为何只包含论文、作者与主题节点的图谱并不充分。

有用的设计讨论可以选择若干真实问题，写出每个答案所需的证据路径，再找出表达这些路径所需的最小概念集合。这能避免两种常见错误：尚未理解任务就导入庞大本体，以及画出方便实现却无法回答关键问题的模式。问题也应覆盖例外：撤回的主张、作者身份未知的记录、使用多个数据集的实验，以及未公开数值得分的结果。

不同利益相关者可能需要同一图谱的不同视图。图书馆员关心书目身份，研究者关心实验能否比较，管理者关心访问与归属。共享核心应包含各方能够达成一致的稳定概念；专门视图可以扩展核心，而不必迫使每位用户接受所有细节。将共同的身份约定与应用特定的呈现选择分开，通常更有利于维护。

2.2 选择正确的表示单位

建模粒度决定哪些对象获得独立身份。研究项目、论文、论文的某一版本，以及该版本中的一个段落，是不同对象。如果更正只改变一个段落，仅识别到论文层级的图谱便无法精确定位变化；若给每个字符都建立永久节点，维护又可能过于昂贵。合适粒度取决于检索和审计要求。段落通常可以存为有来源锚点的文本片段，而不必成为连接密集的领域实体。

一个实用规则是：对象需要独立身份、关系、生命周期或溯源时，就建立节点；某个值自然附属于一个对象，且无需独立连接时，则使用属性。发表日期通常可作为属性。机构通常应作为实体，因为作者、项目、合同和事件都可能指向它。研究方法起初可以只是文本属性，但若反复需要查询其版本、方法家族与评价，将它提升为节点便有充分理由。

事件与带有限定条件的关系尤其需要认真建模。“人物A曾为机构B工作”可能随时间变化。把任职表示为具有起止日期的Employment事件或关联，可以保留多个任职及相互冲突的记录。研究案例中的Evaluation承担类似作用，将属于同一评价的参与对象和条件联系起来。属性图中带多个属性的二元边有时已经足够；显式事件节点则能使这些属性独立建立连接，也更便于跨模型交换。

2.3 先明确身份再确定标签

显示名称变化时，标识符应保持稳定。论文标题不适合作主键，因为可能存在标点差异、更正、译名或重名。经过核验的DOI很有用，但系统还需要为没有DOI的文档提供本地标识。本地标识不应伪装成全球标识；明确命名空间，有助于日后对齐。

身份政策必须同时规定合并与拆分。合并意味着先前分开的记录现在被认为指向同一实体；拆分则撤销错误合并。如果下游边被复制后失去原始来源，拆分就会困难。研究证据图谱保留提及层面的来源，以及从提及到规范实体的版本化映射，因此能够通过修正身份连接处理错误，而不必删除原始文档或抹去出错历史。

名称应支持多语言使用。英文首选标签、中文首选标签、缩写与历史别名，都可能指向同一概念。SKOS提供了概念体系及标签的标准化词汇，包括上位和下位关系[11]。即便采用属性图，也可以借鉴这些区分。不过，应用仍应判断两个标签究竟是同一概念的译名，还是相关但不同概念的名称。翻译上的相似不能单独证明概念等价。

2.4 形式语义与操作验证

RDF Schema提供类、子类关系，以及属性的定义域和值域描述[6]。一个容易忽略的细节是，定义域和值域声明支持类型推断，并不等同于拒绝所有异常值的数据库检查。假如某属性的定义域是Person，而一项陈述对未知类型的主语使用了该属性，RDFS推理器可以推断该主语属于Person。预期系统自动拒绝输入的团队，可能因而得到不同于操作意图的行为。

OWL增加了类限制、属性特征等更丰富的逻辑描述构件。它并不假定名称不同的个体必然不同；许多结论取决于是否明确声明了不等关系[7]。在实现规划中，OWL配置子语言为不同推理需求和计算权衡提供受限制的语言片段[12]。如果选择了表达力很强的语言，却没有相应推理策略，项目可能留下许多实际上没有任何已部署组件执行的声明。

SHACL描述用于验证RDF数据图的约束[8]。例如，应用可以要求每项已接受的Evaluation都具有数据集引用，以及采用合适数据类型的数值得分，验证报告则列出不符合形状定义的记录。这样的验证判断的是记录是否遵守声明的契约，不能证明得分被诚实测量，也不能证明实验设计良好。因此，研究证据图谱将验证状态与科学可信程度分别记录。

在属性图实现中，唯一性约束可以防止标识符重复，更复杂的要求则可由应用逻辑检查。Neo4j文档列出了受版本与产品版本条件限制的多种约束类型[45]。可迁移的设计应先规定必须保持的性质，再明确它由数据库、导入服务、批量审计还是人工审核执行，避免让模式图暗示那些实际只存在于文档注释中的保护措施。

2.5 时间 不确定性与溯源

时间建模区分有效时间与记录时间：前者表示陈述在被建模世界中何时适用，后者表示系统何时记录该信息。假设3月发布的一项更正指出某段任职关系已在1月结束；任职的有效区间从1月改变，而图谱在3月才获知变化。同时保留两类时间，才能分别询问系统在过去某日相信什么，以及现在如何看待同一个过去时期。

不确定主张需要的不只是一个置信度数值。抽取置信度估计系统是否正确理解了来源，来源可靠性涉及陈述的出处，经验不确定性涉及测量或统计结果，另一维度则可能涉及结论能否迁移到新人群。把这些合并成一个没有说明的分数，会破坏有用信息。图谱可以分别存储，并要求应用解释哪些维度影响其决策。

溯源把记录连接到来源、活动与责任主体。PROV-O为实体、活动、行动者及其关系提供词汇[10]。本报告建议实现时记录文档版本、证据片段、抽取运行、模型版本、审核者和接受决策。这些操作性扩展属于设计建议，并非声称PROV-O强制要求所有字段；目的在于让陈述能够在错误实际发生的层级被复现和修正。

2.6 模式演化与治理

当用户发现重要的新区别时，模式就需要变化。项目起初可能把论文之间的全部关系都视为CITES，随后才需要区分SUPPORTS、CRITIQUES、REPLICATES与USES_DATA_FROM。若不重新检查来源就把全部旧引用替换成更细类别，就会制造知识。较好的迁移方式是保留原有宽泛关系，仅在有依据时增加专门关系，并标记哪些记录已按新模式审核。

版本管理应覆盖模式、映射规则、验证形状与查询模板。迁移计划需要解释旧记录如何继续被理解，以及如何测试依赖它们的应用。弃用一种关系不应悄悄改变它的历史含义。团队可以引入新关系，在规定期限内维护兼容视图，并记录语义差异，以保护依赖旧导出文件或缓存分析结果的用户。

模式治理不仅是技术仓库，也是一种决策过程。领域专家判断两个概念是否有实质区别，数据管理员负责身份与溯源政策，工程人员验证约束执行与迁移可行性。在小型个人研究图谱中，一人可以兼任三职，但三类问题依然不同。记录建模选择的理由，可以避免数月后再次重复同样的争论。

最终模式应既小到能够解释清楚，又丰富到足以回答能力问题。可以通过代表性记录、含糊案例与对抗性示例检验质量。审核时应检查：每类节点是否有清晰的身份政策，每种关系是否具有明确方向与含义，每项关键约束是否有执行位置。一旦这些约定稳定，抽取与存储便更容易评价。

3.1 从文本片段到规范实体

实体抽取是一系列相关任务。提及检测寻找文本片段，命名实体识别为片段分配类别，实体链接在适当情况下将其映射到已有实体，共指消解连接语境中指向同一对象的表达，实体消歧与归一则协调不同来源的记录。系统即使能准确识别提及边界，仍可能犯下严重的身份错误。

考虑虚构文本：“Mei Chen在Northbridge Institute展示了GraphLens。Chen随后发布了它的评价数据集。”第一句引入人物、方法或软件系统，以及机构；第二句需要判断Chen是否仍指同一人，并确定“它”的指向。流程应保存原始片段和可能的解释。如果GraphLens也是某个无关商业产品的名称，仅按表面名称链接便会造成误导。

规范实体是系统当前对某个指称对象的统一表示，应具有稳定标识，并记录把各次提及归入该实体的证据。新提及不应自动产生新规范实体；未知实体也不应被强行归到最接近的现有候选。NIL或“未解决”常常才是正确结果，图谱可以在获得更多信息后重新处理这些提及。

3.2 方法及其适当职责

当标识符格式严格，或词汇集合小而稳定时，字典与模式规则依然有用。DOI模式、设备序列号、人工维护的内部项目代码，可能更适合用确定性规则抽取。规则也便于审核者查看精确匹配条件，但其弱点是覆盖不全、容易受表达变化影响。将规则与学习模型结合，可以在标准字段上保持高精确率，同时提高自然语言表达的召回率。

Lample等人利用字符、词表示与序列建模展示了神经命名实体识别方法[13]；BERT引入上下文化语言表示，成为许多抽取系统的基础[14]。这些贡献针对表示和预测，不能替代适合领域的标注政策。只训练过Person、Organization和Location的模型，不会自动理解科学方法、度量指标和数据集版本之间的区别。

基于片段的方法表示并分类候选文本跨度，更便于处理重叠或嵌套提及。SpERT将Transformer表示用于实体与关系抽取[16]；DyGIE++用上下文化片段表示连接实体、关系与事件抽取[17]。它们展示了简单词元标注流程以外的选择。实际选型取决于语料是否包含嵌套术语、跨句指代，以及围绕同一表达的多种关系。

大语言模型可以依据指令和示例生成结构化实体候选，在缺少大型标注数据集时具有灵活性。不过，生产系统仍应限制输出模式，要求来源片段，验证标识与类型，并允许暂不判断。一个听起来合理、却没有在来源中出现或不能由来源支持的实体，不应进入已接受图谱。要求模型“准确”，远不如检查其输出可观察的性质可靠。

3.3 实体链接与身份归一

实体链接通常先生成候选，再进行候选排序。候选生成应优先保证召回，因为正确实体必须先出现在集合中，排序器才有机会选中它。排序阶段再比较语境、别名、描述与可用标识。BLINK先使用稠密检索，再作更细致的候选评分，以支持可扩展实体链接[15]。这里的实践启示在于分层架构：低成本检索和更有选择性的消歧阶段承担不同职责。

研究证据图谱依次使用精确标识、规范化标题与语境，最后将不确定匹配送入审核队列。经过验证的精确DOI匹配，是文档身份的有力证据；标题相似但年份和作者名单不同，则需要调查。人物的任职与合作者语境有帮助，但不能被当作永久身份属性：人会转职，两个人也可能同名且在同一机构工作。

身份归一的错误成本并不对称。漏合并可能造成信息重复，误合并两个研究者则可能把论文和主张归给错误的人。因此，接受阈值取决于下游任务：发现界面可以显示可能匹配，归属认定或评价系统则应在合并前要求更强证据。阈值应根据标注案例和审核成本选择，不能只因模型方便地输出了某个小数。

审计记录应保存合并理由并支持撤销。一种实用表示是将规范实体与来源记录分开，为每个映射附加状态。若后来否定合并，系统修改映射并重算派生视图，而不破坏性替换所有原始标识。这样的设计也能解释实体为何具有某个标签或属性。

3.4 语言 版面与领域难点

中英混合文档带来特定困难。中文词边界不总由空格标记，缩写可能保留英文，译名也可能因来源而不同。规范化时，应同时保留原始词形与标准形式。多语言别名表有助于检索，但别名还应带有语言和来源信息；否则，在一个领域无歧义的缩写，可能导致另一个领域的实体被错误合并。

文档版面也承载意义。表头中的数据集名称可能适用于多行，脚注可能限定数值，图注可能定义全文只出现一次的缩写。把PDF压平为单一文本流，会破坏这些联系。可靠流程应在抽取前保存章节、表格、图注和阅读顺序。对扫描材料，光学字符识别错误应与抽取模型错误区分，因为二者需要不同修复方法。

专业领域需要仔细定义类型。“Transformer”可能指模型家族、具体架构或电气设备；“Control”可能指对照组、控制程序或指令。正确标签依赖语境和图谱目的。标注指南应提供正例、近似但不属于的例子，以及边界情形。标注者分歧有时揭示的是模式含糊，而不只是标注粗心。

3.5 评价与复核

实体抽取评价应分开考察片段边界、类型、实体链接与端到端规范化的准确性。精确片段匹配便于复现，放宽的重叠度量则可诊断接近正确的情况。只报告综合分数，会掩盖错误来自检测还是身份认定。评价数据应包含低质量扫描、中英混合段落、未见过的名称及知识库中不存在的实体。仅含熟悉名称的简单基准，可能明显高估部署质量。

审核可以按后果和不确定性排序。低置信、尚无下游用途的提及可以等待；支撑许多重要主张的不确定身份则应优先检查。队列也应抽查高置信预测，以发现只按低置信筛选会漏掉的系统性错误。审核修订应经受控流程更新标注评价集，同时保留独立留出集测量改进。

因此，实体抽取的产物应是带证据锚点、身份决策和不确定性记录的候选集合。把它视为“文本一步转成真理”，会使后续修复昂贵；把它视为一连串可撤销的解释，图谱便能随来源、模型与人的理解变化而改进。

4.1 明确关系究竟断言什么

关系抽取判断来源是否表达了特定论元之间的某种关系，论元可以是实体、事件、数量或主张。它不同于寻找彼此靠近的两个术语。“GraphLens与PathSearch进行了比较”支持比较关系，不代表谁优于谁；“作者希望GraphLens提高召回率”表达意图或假设，不是观察结果。用于证据性回答的建图系统必须保留这些区别。

关系集合应规定论元类型、方向、含义和证据要求。USES_DATASET连接实验与数据集，AUTHORED_BY连接文档与人物，REPORTS连接文档与主张。SUPPORTS和CONTRADICTS则需要更谨慎解释，因为支持通常有条件：研究可能支持主张的一方面，同时挑战另一方面。模式应精确表示被评价的主张，或使用带限定的评价对象明确评估维度。

关系方向并非外观选择。论文引用边反转，会改变引用数和遍历解释；供应关系反转，会改变供应风险分析。指南应包含逆向句式：“数据集D被实验E使用”与“实验E使用数据集D”，规范化后应形成相同方向的关系。图形可视化中，连接对象看起来仍合理，因此方向错误容易被忽略。

4.2 句子级与文档级抽取

句子层面的分类器针对一句话中的一对提及预测关系，可以利用周围词语与语法结构。证据局部、模式范围较窄时，这种设置有用。但若论元在别处引入、实体被代词替代，或关系依赖连续陈述，逐句独立处理便会丢失正确解释所需的信息。

DocRED面向文档级关系抽取，包括需要跨句整合信息的情况[18]。其一般启示是：推断单位可以大于提及检测单位。在虚构案例中，一段介绍GraphLens为提出的方法，另一段引入数据集D，结果表再报告得分，因此已接受的Evaluation可能需要多个位置的证据。仅给出一句话的定位，会造成证据已经完整的错误印象。

联合抽取模型在实体识别与关系预测之间共享信息。可能的USES_DATASET关系可帮助区分数据集名与方法名，实体类型则约束合理关系标签。SpERT和DyGIE++展示了通过上下文化表示连接任务的方式[16, 17]。耦合可以提高一致性，也可能传播早期错误，因此应同时检查最终关系与它依赖的论元身份。

生成式抽取将关系输出表示为序列，REBEL是把关系抽取作为语言生成处理的代表[19]。这类方法可以从段落生成多个三元组，不必为每对候选配置单独分类器。操作难点在于区分“结构合法”与“忠实抽取”：语法正确的三元组仍可能增加来源未表达的关系，遗漏限定条件，或使用非规范实体标签。解析只是验证的起点。

4.3 否定 情态与范围

否定改变陈述含义，其作用范围却未必容易确定。“研究未发现M提高召回率的证据”不等于“M降低召回率”，也不同于“M从不提高召回率”。只存正边或负边会丢失这些差别。研究证据图谱保存被报告的主张、极性、情态和评价情境，接受后的措辞应仍贴近来源，使审核者能够核查解释。

情态涉及可能、必要、意图、预期与条件。“M可能降低成本”表达可能性；“M必须使用参数P运行”表达要求；“若数据集平衡，M提高精确率”则有明确条件。遗漏情态词，会把试探表达变成强事实断言。实际测试集应刻意覆盖这些结构，不能只奖励简单肯定句。

量词同样重要。“一些研究报告改进”与“所有研究报告改进”不能存成同一种关系。前者可能由一项研究支持，后者则依赖被定义的总体与检索完备性。比例主张需要分母；若来源未规定总体，图谱应保留范围尚未明确的主张，而不是制造全称判断。

时间范围可能造成表面矛盾。旧年报中的“机构N主持项目P”，可以与后来记录的另一主持机构同时成立。抽取阶段应先捕获日期和来源情境，再由协调政策选择当前视图；否则，后续合并可能抹去历史关系，或错误地将某份报告判为不真实。历史查询与当前查询都受益于保留原始陈述。

4.4 监督与标注策略

有监督抽取需要反映目标领域的标注示例。有效记录应标识论元、关系类型、证据片段、限定条件与不确定性，并区分“未表达”“以否定方式表达”和“无法判断”。特定模型最终可能合并某些类别，但参考数据保留这些区别，能支持更好的错误分析，也有助于解释人工标注分歧。

远程监督利用已有数据库关系自动标注文本。Mintz等人的代表方法将已知关系与文本中的共现对齐[20]。其吸引力在于规模：现有结构化知识可生成大量训练例。然而假设并不完美，同时提及两个实体的句子可能谈的是另一种关系。因此，应用流程应把这些标签视为含噪训练证据，而非经过验证的金标准。

弱监督可以组合规则、词典、已有数据库和模型预测。合理项目先为定义明确的关系建立高精确率模式，再识别模式遗漏的内容；人工审核集中处理标注来源分歧或新关系类型。这样，标注投入能响应系统的实际失效方式，也能避免把自动标注数据量大误认为概念覆盖必然广。

主动学习选择预计能改进模型或解决重要不确定性的示例。在研究证据图谱中，涉及比较措辞和多个基线的例子可能尤其有价值，因为这些错误影响核心应用。但不能只依据不确定性分数，否则会漏掉自信却错误的模式。混合不确定、多样与随机示例，可以形成更有信息量的审核集合。

4.5 建议的接受契约

候选关系进入已接受图谱之前，建议系统检查论元是否存在、类型是否兼容、关系是否属于模式，以及来源定位能否解析；随后检查措辞是否保留否定、时间与必要限定。这些检查不必全部交给一个模型：确定性验证处理标识和数据类型，独立模型或人工审核判断语义忠实性。结果应记录实际执行了哪些检查、哪些仍未解决。

比较结果采用更严格的接受契约：必须包含被比较的方法、数据集版本、指标定义与报告结果。若来源只说某方法“更好”，可以存为归属于来源的定性主张，但不能虚构数值提升。若表格报告多个指标，图谱应将各项指标观测分别连接到同一Evaluation，而非只挑最有利的一项。

图谱应保留抽取与相互印证的区别。两份文档可能重复同一个缺乏依据的断言，不能将两份记录当作独立确认。引用、共用数据集、复制文本与共同作者身份，有助于识别依赖，但任何一项都不是完美的独立性检验。界面应显示证据链，让审核者检查表面分开的来源是否实际出自同一研究。

4.6 衡量有用的抽取质量

关系精确率考察预测关系中有多少符合标注政策，召回率考察参考关系中有多少被恢复。端到端计分应要求论元身份、方向、标签，以及任务必需的限定条件都正确；诊断分数则可逐项放宽要求，从而区分“关系理解正确但实体边界略有偏差”与“自信地反转实验结果”等不同错误。

证据质量值得单独评价。一条关系即使碰巧真实，其引用段落也可能并不支持它。研究助手必须接受“证据是否实际蕴涵或足以支持报告陈述”的评价。人工审核可标记证据充分性与缺失情境。部署时，小而有充分依据的关系集合，可能比召回率漂亮却难以追溯证据的大图谱更有价值。

5.1 把构建视为迭代过程

知识图谱构建通常是持续进行的获取、协调、验证与修订过程。Zhong等人将知识获取、精炼与演化视为自动构建的重要部分[3]。这一视角很有用，因为图谱很少能在单次导入后一直正确：来源会变化，抽取器会改进，用户会发现错误。预先考虑修订的设计，能将变化变成例行维护，而不是反复从头重建。

建议流程从来源清单开始，为每个来源分配标识、拥有者、访问政策、格式、更新周期和允许用途。内容哈希识别精确文件版本，元数据记录获取日期与原始位置。原始来源与抽取文本分别保存，便于判断错误来自原文、文本转换、模型解释，还是后续协调。

解析产生章节、段落、表格、图注和参考文献等结构单元，分块再形成处理单元，同时保留回到文档结构的连接。块大小应服从任务：实体检测可能只需局部语境，解释结果却可能需要方法章节和表注。重叠分块有助于保留语境，却会产生重复候选，因此合并政策应识别多次抽取可能来自同一底层段落。

5.2 区分暂存候选与已接受知识

暂存区在接受前保存候选实体与主张，主图谱则提供符合当前接受政策的记录。这让系统能够保留不确定输出，而不把它们呈现为既定知识。被拒绝的候选可在适当留存控制下用于调试；暂存区应记录拒绝理由，使团队能够区分格式不合法与语义缺乏依据。

每次抽取运行都应使用版本化配置，包含模型、提示、模式版本、解析器、分块器与相关参数。使用新模型重新处理同一文档，应形成一次新运行，而非悄悄替换旧记录。系统可以比较输出并决定接受哪些变化。当模型更新提高召回率却引入新型误报时，这尤为有用；若缺少运行层面的溯源，图谱变化就很难解释。

幂等性意味着重复执行导入不会产生非预期重复。实用键可以组合文档版本、来源片段、关系类型、规范化论元与抽取政策，但键必须反映记录语义：同一文档中的两个独立实验，不能仅因使用相同方法和数据集就被合并。因此，幂等性既需要技术标识，也需要明确什么才算同一断言。

5.3 融合 冲突与审核

知识融合在组合不同来源信息时保留出处。即使发表年份这样的简单属性，也可能因预印本、在线发表和卷期日期不同而冲突。解决政策应先确定应用需要哪类日期，而不是挑选出现最多的值。对于依赖来源的属性，图谱可以保留多个带限定的值，再针对特定视图给出首选值。

去重应区分重复报道与独立证据。期刊论文及其预印本可能是同一研究的不同版本，综述可能只是总结该研究，社交媒体又转述综述。如果把三者计为三项独立支持研究，就会制造共识的假象。建模出版谱系与证据源头有助于避免错误，但含糊情况仍可能需要人工审核。

人工审核应有明确范围。审核者可以确认抽取忠实于来源，却不认可来源的科学结论；另一审核者则可能评价方法质量。系统应把它们记录为不同活动，否则笼统的“已审核”标签容易被下游过度解释。同理，通过数据类型验证不等于通过科学可靠性审核。

5.4 更新 删除与修复

增量更新应识别哪些派生记录依赖变化的来源。文档更正后，其主张、摘要、嵌入与缓存答案都可能需要修订。依赖图可以追踪这些关系，使图谱本身成为维护机制的一部分，告诉系统哪些输出可能已经过时。依赖应在产物创建时记录，因为事后重建往往不可靠。

删除政策必须覆盖原文、抽取表示、备份与派生产物。删除原始文件，却让文本继续保留在嵌入存储中，并未真正从系统移除信息；删除主张，却保留重复该主张的社区摘要，也可能继续误导用户。修复应传播到全部相关表示，并记录传播状态。

失败的更新不应让已接受图谱停留在两个版本之间。小规模关联修改可以使用事务，大型导入则可能先暂存发布，在验证后切换活动快照。选择依赖数据库能力与数据量。关键是让用户能够识别正在查询哪个一致版本；明确的快照标识往往比首页模糊的“最近更新”时间更有信息量。

5.5 将构建作为可测量服务

流程监测应包含来源新鲜度、抽取覆盖率、未解决身份、验证失败、审核积压和修复时间，反映系统是否履行知识维护责任。仅看节点和边数量很弱：边数增长既可能来自有效丰富，也可能来自重复导入或模型过量生成推测关系。操作指标应关联模式设计时确立的能力问题。

建议服务为每个图谱版本发布简短说明，列出变化来源、接受与拒绝的断言、模式变化及已知限制。个人项目可以是一份文件，组织系统则可接入仪表盘和审计。目的是使知识维护可见且可重复，让对图谱的信任建立在可观察实践上，而非抽取模型看起来多么先进。

6.1 逻辑模型与物理系统

知识存储包含多个层次：逻辑模型描述实体、关系与语义；物理数据库决定如何索引、遍历和更新记录；应用接口规定用户或智能体可执行的操作。它们不必一一对应。图谱可以结合文档库、关系型元数据、图数据库和向量索引，同时提供一致的知识接口。

RDF存储组织三元组或四元组，通常提供SPARQL；标签属性图用带标签或类型、并附加属性的节点和关系表示信息。选择会影响限定条件、标识符和查询模式的表达。属性图中的关系属性便于应用开发，RDF则便于共享词汇与标准交换。二者都不自动保证更好性能、更易推理或更高质量，这些结果取决于工作负载、实现和治理。

研究证据图谱即使使用属性图，也保留显式Claim主张节点，因为主张拥有自己的来源、审核状态和生命周期，且更便于跨存储技术转换。更简单的应用若断言结构简单、少需独立元数据，可以直接使用一条边。决策应服从信息生命周期，而非一味追求最大规范化或最少节点数。

6.2 查询含义与工作负载

SPARQL支持RDF数据上的图模式匹配、过滤、聚合和可选模式等操作[9]，例如查询通过评价连接到某方法的论文，再按数据集过滤。答案依赖查询的数据集及配置的蕴涵机制。标准化提供共享语言，但应用仍需规定命名图用途、身份约定，以及是否包含推断陈述。

Cypher通过节点与有向关系表达属性图模式，MATCH选择符合模式的数据，后续子句再过滤或变换结果[46]。建议的本地实现沿Method、Evaluation、Claim到SourceSpan检索证据，路径有明确类型和长度边界，既说明连接意图，也限制扩展。跨所有关系的无限制遍历可能返回很大的邻域，却在语义上缺乏一致性。

查询设计应从选择性开始。精确方法标识或文档键，通常比扫描所有节点更适合做入口。索引可加快适合的查找，但收益取决于查询规划器和数据分布。未测代表查询就建立大量索引是常见错误。真正应考察实际工作负载上的执行计划与延迟，包括真实数据规模和并发用户。

6.3 混合存储与权威来源

文档存储保留原始与解析材料，图存储保留明确关系和身份，全文索引支持词形匹配，向量索引支持文本或其他表示的相似检索，关系或分析型存储则可保存大型数值表与实验指标。各系统提供不同访问方式。应用应明确每类信息以哪种表示为权威来源，以及如何刷新派生副本。

例如，来源仓库对论文某版本的正文具有权威性，图谱对该版本与抽取主张之间已接受的映射具有权威性，向量索引则只是派生检索工具。如果嵌入过时，应根据权威文本重新生成，而不能将旧向量当作独立事实记录。稳定标识与版本标签使这些层次能够分开管理。

混合检索可以先结合实体精确匹配、词形搜索与向量相似度，再沿图关系扩展。顺序应服从问题：包含已验证DOI的查询可从精确身份开始，模糊概念问题可先用文本相似度，再解析候选实体。保留检索路径，有助于评价错误究竟来自初始检索、实体链接、图扩展还是答案生成。

6.4 事务 一致性与并发

事务按照数据库支持的保障，将相关修改组织为共同成功或失败的一组操作。导入可在同一事务中创建Evaluation、连接论元并附加来源；若仅部分成功，图谱可能留下能通过简单查询的孤立记录。因此，验证应检查结构完整性，事务则保护建立完整性的过程。

并发写入带来额外困难。两个抽取进程可能同时创建同一规范实体；稳定键上的唯一性约束能防止重复，但应用必须正确处理冲突，并在适当情况下重试。生成的标题不是可靠键，进程也不能为避免冲突而随意合并记录。身份政策与并发政策应一致地规定哪些记录允许归并。

分布式表示可能在不同时间更新：图事务完成时，搜索索引还未刷新。应用应规定是否容许暂时不一致，以及用户如何识别。高保障任务可以用带版本的检索请求，要求来源与索引版本匹配；一般探索界面则可能接受短暂延迟。关键是明确一致性要求，而非假定所有组件同时变化。

6.5 规模与分区

图负载对拓扑敏感。少量高度节点可能支配遍历成本，而大型图若查询选择性强、范围有界，仍可能易于处理。按部门或地理分区可缩小存储与访问范围，但跨分区关系可能变得昂贵；复制改善读取可用性，却增加一致更新的维护成本。这些权衡应依据实际关系模式测试，而非只看节点总数。

分析计算通常使用操作图的某个投影。引用分析只取Paper与CITES，合作分析则可能派生无向共同作者图。每次投影都会改变边的含义，并可能丢弃限定条件，因此应随结果保存投影定义、来源快照和权重规则。否则，同名中心性分数可能因来自不同图而被误作可比。

大型文本、图像和二进制文件通常应保存在合适的对象或文档存储中，由图谱引用，而不是复制到每个关联节点。这样，遍历聚焦于结构，同时保留证据访问，也简化留存和版本管理。图谱应保存足够的定位与核验元数据；需要精确复现时，还应包含内容哈希。

6.6 安全 备份与可迁移性

访问控制必须同时覆盖记录与派生视图。无权访问保密实验的用户，不应通过无限制邻域摘要获知其结果。只在最终答案过滤已经太晚，因为受限信息可能已影响检索或生成。建议架构在候选检索、遍历和证据组装时检查权限，并记录请求适用的政策版本。

备份质量通过恢复来证明。有效恢复演练应恢复图谱、来源引用、模式与索引，达到能够回答代表性问题的程度。仅导出三元组或节点，可能遗漏应用需要的身份规则、过程或嵌入。因此，可迁移性包含数据及其解释。交换包应说明标识、关系含义、数据类型、溯源字段和版本假设。

成功的存储架构应在满足操作要求时保留意义。快速遍历有用，但证据图谱还需要正确身份、一致快照、可恢复更新和可理解的访问规则。这些性质使存储知识足够可靠，能够支持后续章节讨论的计算与智能体。

7.1 计算能够提供什么

“知识计算”含义较广，本报告将其用于对明确关系进行查询、计算结构性质、学习表示和评价派生度量。这些操作可以揭示有用模式，却不必确立新的逻辑真理。中心性分数可以找出结构上突出的论文，却不能证明论文正确；聚类可以找出连接密集的实体，却不能证明它们属于天然类别。解释取决于建模的关系及所问问题。

任何计算都应先明确图规格：包含哪些节点和边类型，是否考虑方向，如何定义权重、处理重复边，以及覆盖什么时间区间。若把研究图谱中的CITES、CONTRADICTS和AUTHORED_BY混作普通边，就会混合不同意义。分数可能在数学上定义良好，却难以作科学解释。因此，复现分析必须像记录算法一样认真地记录投影。

7.2 遍历 可达性与最短路径

遍历按照规则访问相连记录。广度优先搜索在无权图中寻找以边数度量的最短路径；加权最短路径则在算法假设下使边成本之和最小，解决的是另一问题。成本可以代表旅行时间、处理投入或其他数量，不能仅因图中已有某个数值属性就采用它。

假设依赖图将研究主张连接到它依赖的研究与数据集，可达性可以回答某数据集更正可能影响哪些主张。但可达集合只是潜在受影响记录，不表示每个结论都已无效。审核仍需逐项检查主张如何使用数据集。这样，图算法能够支持决策，而不假装已经完成全部决策。

合成有向图包含A、B、C、D四个节点，边为A→B、A→C、B→C、C→A及D→C。从D到B的最短路径是D→C→A→B，长度为3；A到D则没有有向路径。若画成无向图，会掩盖这种不对称，暗示有向模型不允许的连接。图7保留箭头，使区别可见。

7.3 邻接矩阵与游走计数

邻接矩阵记录节点对是否相连。合成图按照A、B、C、D排序，行代表起点、列代表终点，数值1表示有边。在这一无权图中，邻接矩阵自乘会计算两步游走数。D到A的条目为1，因为存在D→C→A；A到A也为1，因为A→C→A返回起点。

游走可以重复访问节点，简单路径则不能。解释矩阵幂时必须区分：长度3的游走计数不只包含三条边的简单路径，还可能包含重复顶点和环。此外，混合不同关系类型的两步游走，未必有有用的语义解释。矩阵操作保存选定的代数结构，却不会自动赋予复合关系意义。

合成矩阵计算使用Wolfram的MatrixPower核验，目的在于教学：明确展示计算返回什么、哪些意义仍未确定。实际系统可用稀疏矩阵处理大型投影，但数值效率不改变解释。本报告不把游走计数当作概率、因果效应或独立证据数。

7.4 可复现的PageRank示例

PageRank为带随机跳转的随机游走计算平稳分布，最初用于网页排名[28]。只要明确转移的含义，同样的数学构造也可用于其他有向图。本例采用阻尼系数0.85，在四个合成节点间均匀随机跳转；每个节点将外出转移概率平均分给全部出边。本例不存在出度为零的悬挂节点。

式中，r为得分列向量，P为按行归一化的转移矩阵，v为均匀跳转向量。解线性系统可得A＝0.3725268513、B＝0.1958239118、C＝0.3941492369、D＝0.0375000000，合计为1。Wolfram LinearSolve独立返回相同结果，且有理数计算中的平稳方程残差严格为零[47]。报告的复现检查还包含本地数值计算。

C得分最高，是因为它接收A、B、D的转移；A则受益于C的出边。D没有入边，因此得分仅为随机跳转份额。这些是特定投影和转移规则的性质。若节点代表论文，分数表达的是模型下的结构显著性，不是实验有效性、方法严谨程度或研究的社会价值。

个性化PageRank调整随机跳转分布，以强调选定种子节点，可用于检索与用户问题相关的邻域。但结果仍对种子选择、关系过滤和图谱完备性敏感。节点低分可能因为数据库连接不足，而非现实中不相关。因此，覆盖不均时，检索系统应结合结构排序与词形或语义证据。

7.5 社区与相似度

社区发现按照结构目标把节点分组。Leiden针对Louvain可能产生的连接性问题作出改进，并在其形式化定义下提供保障[29]。社区可以将大型引用网络组织为便于浏览的区域，但区域标签仍需解释。社区可能反映方法、语言群体、历史时期或引用习惯，并不一定对应一致的科学主题。

分辨率设置与投影选择会改变分组，系统应报告这些选择，并检验在合理替代设置下解释是否仍成立。近似分组对探索浏览有用；若要据此论述学科结构，则需要更强验证。对照专家标签、考察边界案例和检查时间稳定性，可以判断算法是否找到了有用的分析单位。

相似度也依赖表示。在合成图的无向版本中，B的邻居为A和C，D的邻居为C，Jaccard相似度为1除以2，即0.5。它表示邻居集合的重叠，不是B与D应当相连的概率。链接预测模型可以将这种重叠作为特征，但转化成建议前还需要额外假设与验证。

7.6 表示学习与图神经网络

知识图谱嵌入将实体和关系映射为数值表示，使评分函数能够区分合理三元组。TransE用实体向量间的平移表示关系[21]；ComplEx使用复数表示处理更多关系模式[23]；RotatE则用复数空间中的旋转表示关系[24]。不同模型具有不同归纳偏置，数据中存在的关系模式影响哪些假设有用。

一个合成例子可说明评分思想。设实体向量为(1,0)，关系向量为(0,1)，两个候选目标分别为(1,1)和(3,1)。采用欧氏距离的TransE评分时，第一个候选距离为0，第二个为2，因此在所选几何空间下，第一个得分更有利。这些向量为解释而人工设置，并非从数据学习，不能证明预测准确性。

图神经网络通过组合邻居节点和边的信息更新表示。R-GCN利用依赖关系类型的变换，将图卷积扩展到关系数据[25]；NBFNet受广义Bellman–Ford形式启发，构建可学习的路径框架[26]。这些方法说明拓扑和关系语义如何进入学习，但仍需在实际部署条件下评价，尤其要考虑训练后出现新实体或关系类型的情形。

7.7 复现与解释限制

分析结果应包含图快照、投影、算法版本、参数、适用时的随机种子，以及结果解释。近似算法还应记录容差与收敛标准，学习模型则应记录训练数据、负采样、验证政策与模型检查点。这些细节使其他分析者能够判断结果变化来自新知识、建模选择，还是数值变动。

图计算最有力的用途往往是缩小人工或自动调查范围，例如确定检查优先级、暴露断开记录、识别依赖或排序候选证据。系统明确自己解决的问题后，计算职责才更清楚。图分数应带着明确解释和经过测试的决策规则进入应用，而不能仅因它是在知识图谱上算出来的就获得权威。

8.1 推理的多种含义

知识推理包含多种活动：演绎从前提与规则得出后果，归纳从观察学习模式，溯因寻找可能解释观察的原因，概率推断在指定模型下估计信念，因果推断则在因果假设下研究干预效应。在图机器学习中，“推理”也可能指预测缺边或回答多跳问题。因此，只要涉及保障性质，就应说明推理的具体类型。

研究证据图谱分别记录已断言、已验证、已推导和已预测状态。推导陈述有解释结论如何成立的规则与前提；预测陈述有解释其如何排序的模型与分数；断言有来源；验证陈述则通过了规定的接受流程。同一陈述可以兼有多种关联，但系统绝不能悄悄把一种状态替换成另一种。

8.2 显式规则的演绎

假设模式规定所有Dataset都属于ResearchResource，且D属于Dataset，推理器便可推导D也是ResearchResource。这是简单类层级推理。另一条规则可以规定：文档报告一项评价，而评价使用某数据集，则文档对该数据集存在证据依赖。结论成立是因为应用明确制定了这条依赖规则，普通的图连通性本身不能确立它。

规则推理可以用前向链从已知事实推导后果，也可以用反向链从问题回溯支持前提。物化推理预先存储派生结果，查询重写或按需推理则在需要时计算相关后果。选择取决于更新频率、查询模式和规则语言。高频查询的稳定层级可能适合物化，快速变化的事实则可能更适合选择性计算。

每项派生结果都应保存推导依据，或保留能够复现依据的路径。若数据集D被重新分类，系统必须知道哪些派生陈述依赖该分类。仅存派生三元组而无来源，会使修正困难。真值维护可以撤销支持不再成立的结论，同时保留仍有其他有效推导的结论；即使规则简单，这也是动态图谱的实践要求。

8.3 开放世界语义与查询边界

开放世界推理中，无法证明某陈述并不意味着证明其否定。图谱没有论文使用数据集D的记录时，正确回答可能是“本图谱尚不知晓”。若用户问“哪些论文不使用D”，则需要更强的完备性假设，例如只查询方法部分已经全面审核的论文。应用应明确这一范围，使否定结果仍可解释。

SPARQL蕴涵机制规定查询如何在简单图匹配之外纳入不同语义[52]。部署应说明采用原始存储三元组、RDFS后果、某种OWL配置子语言，还是自定义规则。即使显式数据相近，两个端点也可能因推理设置不同而返回不同答案。因此，复现查询同时需要数据快照与蕴涵配置。

某些操作契约适合封闭世界检查。例如，每项已接受Evaluation都必须有指标，那么缺失指标就是该应用内的验证失败；这不代表现实实验没有指标，只说明记录不满足契约。区分验证与逻辑蕴涵，使系统能够同时使用二者，而不混淆目的。

8.4 规则挖掘与不确定规律

规则挖掘在图中寻找反复出现的关系模式，AMIE 3提高了知识库规则挖掘效率[27]。挖掘结果可能有用，但测得的置信度不是逻辑保证。例如，两名作者经常合作发表，或许常在同一机构，却不能从共同作者身份逻辑推出共同任职。把这一规律提升为严格规则，会产生错误任职关系。

负责任的流程应分开发现、验证和部署。挖掘模式先成为候选规则，领域专家再判断它表达的是有意义规律还是采集过程的产物，留出数据检验预测价值，应用再决定用于建议、异常检测或概率模型。只有能够作为逻辑约定获得正当依据的关系，才应成为硬性推理规则。

观察到的置信度对缺失数据敏感。某些谓词记录更完整时，规则可能因记录过程而显得更强或更弱。解释置信度前，应先询问数据完备性已知到什么程度。在资料充分实体上得到的高分，未必适用于资料稀少实体。这使规则挖掘与知识获取中的选择偏差问题联系起来。

8.5 将链接预测视为假设生成

链接预测将缺失关系排序为待调查候选。模型可能学到某类方法常在某类数据集上评价，于是建议一个可能遗漏的评价连接。建议有助于发现漏项，却不能证明实验实际发生。若目标关系描述事件，在预测边进入已接受事实层前仍需外部证据。

DistMult说明评分函数如何带来结构限制。对固定关系，其标准三线性分数对于头、尾实体向量是对称的[22]，适合某些对称模式，却无法单独区分所有非对称关系。这是数学性质，不是认定模型普遍无效；实际系统可能增加其他组件或约束，评价应针对完整实现。

负采样通常通过替换已观察三元组的某个论元，生成训练负例。但在不完整图谱中，一些负样本实际上可能真实，只是尚未记录。因此，训练过程依赖对缺失机制的假设，报告应说明这些假设，而不能把所有缺边都视为已验证的虚假关系。模型预测基准标注中缺失的合理关系时，也会出现同样评价问题。

传导式评估通常测试训练中见过的实体之间的新连接；归纳式评估则在规定条件下测试对未见实体或新图的泛化。一种设置中的成功，未必能迁移到另一种。若组织图谱每周新增项目，对未见实体的表现就是关键要求。仅因某基准流行而选用它，可能完全漏掉这一要求。

8.6 概率校准与解释

排序分数不会自动成为概率。模型可以把正确候选排得很高，但数值分数未必符合实际正确频率。校准研究预测置信度与观察结果的一致性；Guo等人展示了现代神经网络中的校准问题，并评价修正方法[30]。图谱应用应在相关关系类型与部署分布上检查校准，不能直接假定通用模型已校准。

解释应指出答案的实际依据。规则结论展示前提与规则，检索答案展示来源段落，学习预测可展示影响较大的路径或特征，但这种解释可能只是对模型行为的近似。预测后展示的路径，未必是产生预测的实际路径。界面应标记解释类型，不能把漂亮的关系路径当作形式证明。

8.7 因果主张需要因果假设

因果图表达变量相互影响的假设。普通知识图谱可以存放因果主张，但给边命名为CAUSES，不会自动形成有效因果模型。因果推断需要明确干预问题、混杂与结构假设，以及识别或估计策略[50]。中心性或关联模式不能替代这些要求。

研究案例中，论文报告某方法改善结果，是有关一项主张的证据。主张是否获得因果支持，取决于研究设计、比较条件与替代解释。图谱可以组织这些特征并检索相关证据，却不能仅通过连接其他研究修复一个失控的比较。在任何因果解释附近，都应明确这一限制，尤其是智能体同时总结实验与观察证据时。

8.8 实用推理架构

建议架构将问题路由到适当操作：精确事实问题使用已接受断言与来源，分类问题使用配置好的演绎层，探索发现使用明确标为假设的排序和预测边，因果问题则检索研究设计与假设，交由独立分析处理。可以先用模板和类型化工具实现这种路由，再引入复杂的自主规划器。

答案记录包含操作类型、输入快照、证据、不确定性，以及使用的规则或模型。若系统无法满足所需证据标准，应给出不完整回答，或请求缩小问题范围。这既保留图谱用途，也避免赋予所有输出相同权威。核心原则是：结论从产生、呈现到后续行动，始终保持状态可见。

9.1 搜索 发现与公共知识

知识图谱可以将查询连接到已识别实体、别名、类别与关系，从而支持搜索。检索机构可以找到现名与旧名，检索研究主题可以关联不同术语，查询论文可以显示作者、数据集与后续工作。当关系有助于消除歧义或跨越信息类型时，收益最明显。只在普通关键词搜索背后增加图存储，并不能证明已经产生这种收益。

Wikidata是协作维护结构化知识库的重要案例，其设计支持围绕可识别条目的陈述和多语言使用[31]。它说明公共知识基础设施既需要数据结构，也需要社区过程。使用外部知识的应用，应在考虑变化的同时保留标识和陈述情境。只导入外部标签，却不记录来源与获取日期，会增加后续对齐难度。

企业发现系统可以在较小规模采用同样思想。“留存政策”可能指顾客数据、员工记录或研究材料。将政策连接到负责人、范围、版本与受影响系统，可以明确歧义，随后有针对性地澄清或呈现范围不同的选项。这通常比只返回若干语义相似文档、却不解释差异更有用。

9.2 科学与生物医学研究

科学知识图谱连接论文、数据集、方法、测量和假设，其价值不限于找论文，还能识别哪些结果使用相同数据、哪些主张依赖特定方法，以及不同条件下哪里出现相反发现。认真建模还可暴露妨碍有效比较的元数据缺口。即使系统无法对原科学问题给出确定答案，这些缺口也是关于证据基础的研究发现。

Hetionet整合生物医学知识，为药物再利用候选排序[32]；PrimeKG构建多模态图谱以支持精准医学分析[33]。它们展示不同生物与临床概念如何连接并用于计算研究，但不表示每条预测关系都已获临床验证。本报告将它们作为研究基础设施案例，而非医疗建议，更不认为单凭图谱预测就应决定治疗。

科学应用中，假设与干预的区别尤其重要。候选连接可以指导文献阅读或实验室规划，但要进一步声称某干预有效，仍需相应实证。图谱能使证据链更容易检查，并帮助避免重复已有实验；它支持科学过程，却不能替代评价科学主张的标准。

9.3 组织知识与决策支持

组织往往分别维护人员、项目、文档、系统和程序记录。图谱可以围绕谁负责某流程、什么依赖某系统、哪些项目使用某数据集来连接记录。困难通常在于身份与生命周期对齐：项目代码会变，团队会重组，旧政策文档也可能继续在线。缺少时间与归属建模时，整合可能只是让过时信息更容易找到，而不是更可靠。

有效部署应从有边界的工作流开始。例如，内部科研部门需要找出数据集许可变化影响的全部项目，图谱将数据集版本与项目、论文和责任人连接起来，查询返回带来源证据的审核清单。可以用清单完整性与确认所需时间衡量成功，这比“连接组织全部知识”的一般承诺更具体。

图谱决策支持应区分描述信息与操作授权。图谱可能记录某人似乎负责某系统，但操作服务仍应在允许重大修改前核实当前归属，因为记录可能过时或有争议。智能体从答问转向发起任务后，这一区分更重要。知识访问与行动许可相关，却不是同一种控制。

9.4 推荐与个性化

知识图谱可以通过用户、物品、主题、创作者和情境的关系丰富推荐。在学习应用中，资源可连接概念、先修要求、难度与学习目标，推荐因而能够解释某资源针对尚未掌握的概念，或补足缺失的先修知识。但解释是否有用，依赖关系质量和学习者证据，而非仅仅存在一条图路径。

个性化可能形成狭窄反馈循环。若用户只看到与过去行为相关的资源，系统可能强化对兴趣的有限理解。图谱可通过不同关系引入多样性，但多样性应被明确测量。推荐应评价相关性、新颖性、覆盖和用户结果，并允许用户纠正推断偏好，区分明确目标与根据行为作出的猜测。

教育先修图谱尤其需要谨慎。课程作者可能主张概念A应先于B，但真实学习者可能有多条可行路径，不能把先修要求表示为普遍自然规律。图谱可以为关系附加课程、学习者群体与证据，自适应智能体再提供有理由的路径，并依据学习表现修订，而不是把图谱当成僵硬层级。

9.5 供应链 工程与风险分析

工程应用天然包含关系问题：哪些组件依赖供应商，哪些要求由测试验证，哪些变化影响某产品配置。图谱可以结合版本和配置表达依赖。同一组件在不同装配中可能行为不同，因此不能假定某依赖普遍适用。限定到配置的关系，有助于避免宽泛遍历夸大影响清单。

风险分析可以通过连通分量、路径和共有属性，为调查案例排序。共用地址或设备可能有信息价值，也可能有无辜解释。图谱应保留底层观察及解释的不确定性，不能把相连群组作为违规证明。适当输出可能只是具有明确理由、并允许纠正的排序审核队列。

在关键工程流程中，图谱可支持从需求到设计、实现和验证证据的追溯，这比一般网络图更能说明价值。审核者能够检查每项要求是否有证据，以及组件变化是否使旧测试失效。但模型仍须表达版本、适用条件和权限，过时配置的测试不能自动认证当前配置。

9.6 对照具体任务评价价值

应用价值应对照具体替代方案衡量。若图谱使分析者比使用表格与文档搜索更快找出受影响项目，就应采用相同案例并计入核验时间；若图谱推荐改善学习，就应测量相关学习结果，而非只看点击；若图谱丰富检索，答案质量应独立于系统自身解释接受评价。

成本包含初始建模、来源获取、抽取、审核、存储、更新和用户培训；收益可能包括更快发现、更少重复、更强追溯或更好决策。可信商业论证应在本地测量相应成本与结果。本报告不提供普遍投资回报数值，因为它们依赖工作负载与组织条件。只有明确关系以可接受总成本，比简单方案更好地解决反复出现的问题，图谱才证明其必要性。

10.1 互补的表示形式

大语言模型在参数中表示从训练数据学到的规律，知识图谱则通过标识、关系和情境明确表示选定信息。二者支持不同操作：语言模型理解灵活问题并生成可读文本，图谱支持精确身份、结构约束与可追溯更新。当应用既需要语言灵活性，又需要明确控制证据时，结合才有价值。

Pan等人概括了统一语言模型和知识图谱的方向，包括图谱增强语言模型、语言模型辅助图谱任务，以及更紧密的联合整合[35]。本报告采用这一宽泛区分，但聚焦操作问题：接口传递什么信息，原有保障在转换后还保留多少？将精确图结果转成文字可能丢失限定，将文字转成图记录则可能引入无依据的精确性，两个方向都需要验证。

10.2 检索增强生成

检索增强生成以检索到的外部信息作为答案条件。Lewis等人的代表方法将检索与序列生成结合，用于知识密集任务[34]。应用可以通过检索更新模型可用证据，而无需修改所有参数，但检索本身不保证事实性：系统可能找到无关材料、漏掉决定性来源，或生成超出证据的答案。

常规文本检索可以是有力基线：搜索文档块、重排候选，再将选中段落交给语言模型。如果定义在一份文档中已明确写出，图谱可能增益很小；若答案依赖跨文档实体连接、类型化关系或更大范围证据汇总，图检索才更有吸引力。工作负载应决定额外结构是否值得构建与维护。

10.3 GraphRAG的多种设计

GraphRAG是一族设计，而非单一且普遍规定的算法。系统可以从已有图谱检索显式三元组，从文档建图，用社区作摘要，或结合图神经表示与文本证据。这些变体的构建成本、查询行为与失效方式各异。研究比较应说明评价的是哪种架构，不能把所有图增强系统视为等同。

Edge等人提出面向查询的图摘要方法，通过抽取图和社区摘要回答针对整个语料库的问题[36]。它处理的需求不同于查找单一局部事实，说明预计算摘要为何可能帮助全局问题，同时也把建图与摘要维护计入系统成本。本报告不据此推断所有事实问题都受益于全局社区摘要。

LightRAG结合图结构与不同层级的信息检索机制[41]；G-Retriever研究文本图上的检索增强生成[39]；LEGO-GraphRAG通过模块化组件和实证比较分析图检索[42]。这些研究共同支持仔细拆解流程：每个组件都可能改善某一维度，同时增加延迟、词元消耗，或对所建图谱质量的依赖。

10.4 建议的混合检索流程

建议的研究证据图谱助手先解释问题，识别方法、数据集、日期和证据标准等约束，再通过精确标识、别名、词形搜索和语义检索生成候选实体。候选消歧必须明确：若GraphLens对应多个实体，系统不能悄悄选一个，而应利用语境区分，或提出范围明确的澄清。

选择种子后，检索器按关系类型白名单，在深度与结果数量上设限。针对实验支持的问题，沿评价与来源主张检索，而非任意扩展共同作者关系；同时收集结构记录与支持段落。证据包应含标识、来源版本、相关限定与访问决策，作为答案生成的依据。

重排器可以按相关性和完整性排序，但答案政策应保留冲突结果。若最高排名研究支持主张，另一项有效研究却反对，遗漏后者的摘要可能误导。系统可以为分歧和不确定性预留部分上下文预算；这是需要测试的应用设计，不能假设相关性模型自动找到恰当科学平衡。

10.5 全局问题与摘要维护

“这批文献主要有哪些方法分歧？”需要跨多文档综合。社区摘要是一种中间表示，每次查询时比检查全部原文更省成本，但其价值取决于社区与摘要是否保留相关区别。按引用接近性形成的群组，未必对应用户关心的分歧，因此可能需要多种组织视图或针对查询的聚合步骤。

摘要应带有到输入的来源和依赖连接。来源变化时，系统将受影响摘要标为过时；同时不能把摘要与底层来源算作独立证据。摘要是派生产物，不是另一项研究。多层检索若无明确谱系，很容易无意中放大证据数量。

即使图谱很大，上下文窗口仍是有限资源。检索所有邻居可能让生成器被大量弱相关信息淹没。有界证据选择应考虑答案要求、支持的多样性和矛盾覆盖。更多检索词元不一定意味着更多知识，也可能掩盖关键证据，增加混合不兼容情境的机会。

10.6 忠实性与公平比较

忠实性判断答案是否获得所提供证据的支持，正确性判断答案是否符合任务参考标准。二者可能分离：答案可能碰巧正确却无依据，也可能忠实总结了错误来源。研究助手应同时评价两者。出现引用并不够，被引段落必须支持其对应的具体陈述。

公平比较应尽量固定语言模型、来源集合、日期截止点和答案预算，在不同问题类别上比较文本检索、混合文本检索、图检索与社区摘要变体。局部事实、多来源、时间问题与全局综合应分别分析，否则总体平均可能掩盖某类显著改善与另一类退步。

成本应包含建图、更新和查询。首次查询前投入很大的系统，在稳定语料和大量重复问题下可能划算；在快速变化、查询很少的集合中则可能昂贵。只报查询延迟会掩盖差别。合适设计是在实际生命周期成本内达到所需证据质量，而非拥有最复杂检索示意图的设计。

11.1 什么使系统成为智能体

AI智能体依据观察、内部状态与可用工具，选择并执行面向任务的动作。自主程度各异：有的系统使用固定工作流，只在某一步调用模型；有的跨多步选择工具并修订计划。知识图谱可为两者提供结构状态、记忆、约束和证据。加入图谱不会自动产生自主性，自主也不表示所有动作都应交给模型。

ReAct研究语言模型系统中推理与行动的交替[40]。对知识图谱应用，其架构启示是系统能够检查信息、选择下一动作，并依据结果调整方法。审计不要求用户访问模型私有内部推理；有用记录应保存可观察的工具调用、返回数据、选用证据及实际动作。

研究证据图谱智能体的任务有明确边界：用可追溯证据回答研究问题，并在收到新文档时准备待审核的图谱更新建议。它默认没有发布结论、修改来源文件或作外部承诺的权限。这一范围使工具接口和评价聚焦具体行为，也使恢复更容易，因为系统知道哪些动作属于正当任务。

11.2 作为智能体记忆的图谱

智能体记忆可以按功能区分：情景记忆记录交互与事件，语义记忆存储相对稳定概念与事实，程序性记忆保存可复用方法或工作流。图谱可以关联它们，却不能混为一谈。用户曾询问某主题是一件交互事件，不证明永久偏好，更不证明该主题的科学主张为真。

记忆应包含来源、时间、范围与纠正机制。由行为推断的偏好应区别于用户明确指令，临时任务限制不能成为永久全局规则。多用户记忆还需拥有者和访问政策。图关系增强跨任务检索，也可能比孤立笔记更广泛地传播错误或未经授权的推断。

建议记忆模型将用户确认的偏好、抽取的领域主张与执行日志分开。检索按照任务选择记忆类型：寻找写作偏好时，不能把科学证据当作等价来源。用户修正偏好后，系统更新活动记录，并保留足够历史说明变化，使个性化保持可解释。

11.3 图谱引导的规划与探索

Think-on-Graph将语言模型作为探索知识图谱、寻找有前景推理路径的智能体[37]；Reasoning on Graphs则围绕有图谱依据的关系路径，分开规划、检索与推理[38]。这些方法展示问答时利用显式结构的方式，但基准结果只适用于各自实验设置，不能证明任意组织图谱或行动型智能体具有无限制可靠性。

实际规划器可以利用模式提出类型化操作序列。例如回答“哪些已接受主张依赖被更正的数据集版本”，依次解析数据集、遍历依赖、过滤主张状态和检索证据，每步由工具契约验证。若所需关系不存在，应修订计划或解释缺口，而不是针对想象出来的模式生成查询。

图探索应限制深度、结果数、时间和成本。无边界时，高度节点可能引起庞大扩展，却几乎不增添相关信息。停止规则应依据证据充分性和任务要求：已有所需来源、新检索不再提供有用证据，或预算耗尽时停止。“答案读起来流畅”不是可靠的证据标准。

11.4 类型化工具与受控执行

类型化工具接收结构参数并返回规定结果。建议接口提供resolve_entity、get_claim_evidence、find_dependencies和propose_assertion等操作，而非在每一步开放无限制数据库命令。这些名称表达应用能力，不要求特定框架；实现可以使用Cypher、SPARQL或其他后端，但必须执行相同契约。

探索分析仍可使用受控查询工具，但应区分读取与写入，验证查询结构、绑定参数、设置超时，并限制可用过程。只读应尽量由执行环境或数据库角色强制保障，不能仅让模型承诺不写。工具返回还应标明截断，避免智能体把结果数量上限误当成完整覆盖。

写操作会改变未来知识，因此契约要更严格。建议断言应包含规范论元、关系类型、证据、限定条件和预期图版本，随后验证写入是否可接受，以及准备建议后底层状态是否变化。幂等键防止重试重复建记录。这些控制支持可靠自动化，而无需人工监督每次无害读取。

11.5 证据不是指令通道

文档和图属性可能包含貌似指令的文本，例如“忽略此前规则”或要求发送数据到其他地方。在研究流程中，它们是待分析的来源内容，不是支配智能体的权限。执行层应保留边界；若仍将不可信文本混入模型上下文，且不区分数据与授权指令，图谱本身不能消除提示注入风险。

建议智能体标记工具输出来源，只依据用户已授权任务和系统政策选择动作。与研究问题有关时，可以引用或总结文档中的指令，但不会仅因指令出现在证据中就执行。这对写工具与外部服务尤其重要。溯源识别内容来自哪里，权限检查决定智能体可以如何使用它。

11.6 规划知识与行动授权

图谱可以描述可能动作、前提与预期效果，例如工作流要求分析发布前验证数据集，智能体可据此规划。但发布服务仍需在执行时验证当前真实前提，因为存储的验证记录可能过时，检索快照也可能落后于操作系统。

这能处理一种常见弱点：将CAN_APPROVE之类语义关系直接当作充分授权。图谱可帮助找到相关角色，但当前行动者是否有权执行，应由权威权限系统裁定。同样，用户属于团队的路径若成员资格已过期，或权限只适用于另一项目，就不足以授权。执行时必须检查时间、范围与政策版本。

11.7 恢复 学习与多智能体

智能体应保存操作失败后恢复所需状态。检索超时可以重试有界读取；写响应丢失，应先查幂等键再重复写入；任务中模式改变，应重新读取相关契约。动作具有明确前提和结果时，恢复比嵌入长篇自由脚本更易测试。

多个智能体共享图谱不等于自动协同，它们可能使用不同快照、加入冲突主张或重复劳动。共享任务记录可标识归属、状态与接受产物；乐观并发检查发现过时更新，来源记录说明哪个智能体生成候选。语义冲突仍可能需要人工或确定性政策裁决。若多个模型共享来源与假设，彼此同意并不是独立实证确认。

从交互学习应有选择性。一次任务成功不代表每项中间推断都正确。系统可保留已验证纠正、可复用工具结果和用户确认偏好，将推测性推理留在持续事实记忆之外，防止临时错误成为后续可信前提。记忆质量应在连续任务中评价，才能看到累积与纠正效应。

11.8 近期方向与部署标准

Think-on-Graph 2.0研究更丰富信息访问条件下的图引导检索[44]；Youtu-GraphRAG提出更整合的智能体方法，连接建图与检索[43]。它们是有价值的研究方向案例，但本报告引用可识别的预印本记录，不把性能主张视为独立复现结果。这里的主要启示是架构上的：构建、模式、检索和推理越来越相互作用，而非孤立模块。

智能体自主程度不应超过任务评价所支持的水平。可靠检索证据的研究助手，仍可能不善于更新规范图谱；能写入合法记录的系统，也未必适合自动发表结论。评价应分别检查读取、规划、更新、权限遵守与恢复质量。只要保留每项重要信息的状态和来源，知识图谱就能使这些维度可观察。

12.1 评价完整链条

知识图谱评价必须把组件质量与应用结果连接起来。实体抽取准确，仍可能身份归一很差；查询很快，证据却可能不全；答案流畅，也可能遗漏重要矛盾。分组件评价帮助定位缺陷，完整工作流评价则判断缺陷对用户是否重要。两者不能相互替代。建议评价方案同时使用诊断测试集与代表性研究任务。

诊断测试覆盖解析、实体检测、链接、关系抽取、限定保留、验证、检索和答案生成，每阶段输入都应代表实际运行条件。只用完美实体标签测试关系抽取器，可以测量孤立能力，却不能反映实体错误发生后的部署表现。只要明确每个分数来自何种设置，两类结果都可能有用。

12.2 带计算示例的抽取指标

精确率是预测为正的项目中正确项目的比例，召回率是参考正例中被恢复的比例，F1是二者的调和平均。设合成评价中正确抽取关系90条、错误抽取10条、遗漏参考关系30条，精确率为90/100＝0.90，召回率为90/120＝0.75，F1约为0.8182。这些是解释性计数，不是真实抽取器结果。

计分前应固定“正确关系”的定义。有的实验只要求实体身份与关系标签正确，有的还要求数据集版本和极性正确，不同评价契约会产生不同数值。因此，分数应附带匹配规则与标注政策；否则两个系统看似可比，实际上其中一个可能只需完成远不完整的抽取。

微平均汇总各类别计数，使高频类别占较大影响；宏平均先计算各类分数再取平均，给予稀有类别更大影响。两者都有价值。若研究图谱有大量简单作者关系、少量困难矛盾关系，即使最重要分析关系表现很差，也可能得到较高微平均。按关系类别报告，有助于防止问题消失在总平均中。

12.3 排序与检索指标

平均倒数排名对正确答案排名的倒数取平均。三个合成查询的正确答案排名为1、2、4时，MRR约为0.5833，Hits@1为1/3，Hits@3为2/3。这些指标说明指定候选集合中的排序，不测量答案是否有充分证据，也不说明候选集是否涵盖所有有效答案。

图谱补全基准有时采用过滤排名，避免模型因把另一已知正确答案排在目标前面而受罚。报告应说明过滤政策及使用了哪些已知三元组。过滤可提高基准比较的一致性，却不能解决不完整图谱中的未知真值问题。真实部署还需决定何时展示候选、何时暂不判断，以及哪些关系可以自动接受。

检索评价应检查给定上下文预算下的证据召回，而非仅看长列表某处是否出现相关文档。系统可能找到正确论文，却漏掉解释结果必需的表格脚注。多来源问题还应检查是否找到全部关键证据组成及相关矛盾，才能真实判断生成器可以合理回答什么。

12.4 泄漏与分布漂移

数据泄漏指评价信息不当影响训练或系统设计。图任务中的逆关系与近重复记录可能造成隐蔽泄漏：测试三元组的等价逆关系若已在训练图中，预测几乎不需真正泛化；同一论文的不同版本分别出现在训练与测试中，也会因重复措辞提高抽取表现。数据划分应考虑这些依赖。

应用需要处理未来到达的信息时，时间评价很有用。模型与图谱只能使用截止点前可得的信息，评价反映后续时期，这也包括辅助文本和嵌入：若语言模型输入含未来描述，图谱划分便不是真正按时间隔离。基础模型训练数据不明时，应识别无法避免的暴露风险，不能声称实现了完美历史模拟。

分布漂移可能来自新领域、新语言、新版面或来源惯例变化。用摘要训练的系统可能不善于处理表格与技术报告。应保留真实域外案例，并监测部署后的变化。置信度下降可能揭示部分漂移，但仍会出现自信错误，因此对已接受输出随机抽样复核，是自动监测的有益补充。

12.5 忠实性与人工评价

人工评价应提供明确标准和证据访问，分别考察正确性、来源支持、完整性、不确定性处理与有用性。单个“好答案”分数会混合维度，使分歧难解释。若系统身份可能导致偏见，就不应告知评审者；多人评价同一样本时，应分析分歧，不能不作说明地平均掉。

语言模型评审可扩大初步评价规模，但应针对任务与人工判断校准。它们可能偏好流畅语言、与生成模型共享偏见，或忽略无依据细节。实际流程可用自动检查发现明确结构失败，用模型评价分流，再对代表样本与重大案例人工审核，并说明哪些评价结论依赖哪种方法。

不确定性区间应反映数据依赖。同一文档中的多项主张不是独立观察，若错误按文档聚集，逐条主张重采样可能产生过窄区间。按文档或来源家族重采样可能更符合变异单位。统计方法应匹配研究设计，小样本结果应标为初步，而不是靠增加小数位制造精确感。

12.6 治理与证据质量

治理规定谁为图谱的含义、记录与使用负责。重要数据集应有拥有者、允许用途、更新政策与纠正路径。FAIR原则强调科学数据管理中的可发现、可访问、可互操作与可复用[49]。应用到图谱时，不只是公开一个端点，还要提供可理解的标识、元数据、访问条件，以及正确复用所需的情境。

质量维度可能冲突。严格接受政策提高精确率，却可能降低覆盖；宽泛公开图谱促进复用，却可能对部分来源产生隐私或许可问题。合适政策取决于任务与数据权利。治理记录应解释权衡，并明确谁有权修订，使用户能够理解遗漏，而非假定图谱代表全部可得知识。

建议发布决策同时考察最低质量要求和现实维护计划：是否准确回答能力问题，重要错误能否纠正，团队能否保持来源更新。仅通过一次演示、却没有更新负责人的图谱，还不足以成为智能体的可靠来源。可持续运行属于质量的一部分，而非部署后可选工作。

13.1 范围与虚构来源集合

本章为小型研究团队提出原创实现设计，目标是在保留来源并允许纠正的条件下，回答检索方法的证据问题。起始集合由三份虚构文档和少量明确编造的记录组成，规模刻意保持到可人工检查。后续可以扩展，但首先应让每次变换都可理解、可测试。

文档P1日期为2025年2月，报告GraphLens与PathSearch在数据集D版本1上的评价；P2日期为2025年5月，在D版本2上重复比较，得到不同结果；P3日期为2025年6月，更正P1的一个元数据字段，并指出一项得分使用了不同查询子集。这些都不是真实出版物，使用虚构名称是为了避免把案例误认为真实方法的实证主张。

能力问题必须具体：哪些结果比较相同数据集版本和指标下的两种方法？哪个主张依赖被更正的查询子集？哪些来源支持改进陈述，哪些条件使结果不能直接比较？系统应附来源回答；除非聚合政策和可比证据支持，否则不应给出总体胜者。

13.2 最小模式与记录

最小模式包含Document、SourceSpan、Person、Method、Dataset、Evaluation和Claim。文档有本地标识、标题、版本、日期和内容哈希；来源片段有定位及文档版本引用；评价连接比较方法、数据集版本、指标与报告测量；主张表达解释后的结果，并连接相关评价及来源证据。审核状态属于主张记录，书目身份属于文档。

合成测量采用规定查询集上的平均倒数排名。P1报告D版本1上GraphLens为0.42、PathSearch为0.38；P2报告D版本2上分别为0.40与0.41。这些编造数值支持两项限定情境的比较，却不能在不考虑查询集、不确定性和评价协议时直接平均。P3更正进一步凸显了可比性问题。

对于P1，图谱可存储“在所述评价条件下，GraphLens报告得分更高”这一归属于来源的主张，不能存成“GraphLens普遍优于PathSearch”。P2则保留另一数据集版本下的结果。比较视图并列显示两种情境及更正说明。图谱价值是保留解释分歧所需的结构，而非强行把文档压成一条不带限定的边。

13.3 导入与验证

导入先保存不可变来源版本并解析文档结构，识别候选实体，链接本地方法与数据集登记库，再输出带来源定位和明确缺失字段的候选评价。不能凭一般知识补造置信区间或查询数。验证器检查标识、数值类型、关系方向及必需情境。

首轮人工审核聚焦比较含义与更正范围：P3改变了数值、适用人群，还是只改描述字段？区别决定哪些记录需要修订。若更正影响可比性却不改变原始测量，应保留原结果并增加限定；删除整个结果会丢失历史，并夸大更正的影响。

已接受发布获得快照标识和简短清单，列出来源版本、模式版本、抽取配置与审核决策。搜索索引和生成摘要均记录该快照。后续重处理可以提出变化，而不改变当前已接受视图，使模型实验与用户持续研究所需的稳定基础共存。

13.4 查询已接受证据

有界查询可以检索指定数据集关联的已接受主张及来源片段。以下Cypher示例说明属性图实现的预期模式，假定采用刚才描述的模式并绑定数据集标识参数。它是教学示例，并非在用户已有数据库上执行的命令。本报告不涉及数据库凭据、部署路径或私人记录。

MATCH (c:Claim {status: 'accepted'})-[:BASED_ON]->(e:Evaluation)
      -[:USES_DATASET]->(d:Dataset {id: $dataset_id})
MATCH (c)-[:EVIDENCED_BY]->(s:SourceSpan)-[:IN_DOCUMENT]->(p:Document)
RETURN c.id, c.text, p.id, s.locator
ORDER BY c.id

查询返回证据记录，而非自由生成的结论；呈现层可以一起显示主张、文档和定位。多段来源共同支持同一主张时，应分组显示，不能每段算作一项独立研究。如果权限限制移除了一个来源，系统也不能暗示剩余可见集合已完整，应说明可访问证据的范围与限制。

对应RDF实现可以用IRI和谓词表达相同领域实体，再使用SPARQL图模式；两个版本的语义设计应保持可识别的一致性。案例旨在说明存储选择改变查询语法，却不必改变核心证据约定。转换应检验限定、身份与来源，而不能只看节点数相同。

13.5 智能体交互与纠正

若用户问“GraphLens是否优于PathSearch”，智能体应解析方法身份，检索两次评价和更正，说明虚构证据在不同条件下报告不同结果，并具体指出条件。现有记录不能确立普遍胜者。回答仍可简洁：并列两项结果，说明更正，再指出还需什么比较。

用户提供P3并要求更新图谱时，智能体准备包含受影响主张、证据定位、限定和预期快照的变更建议。验证器检查建议，配置的审核政策决定是否可自动接受。写入记录新状态及来源，依赖摘要被标为过时，并在再次作为当前证据提供前重新生成。

若抽取错误地把GraphLens链接到无关产品，修复应作用于提及到实体的映射，来源保持完整。系统识别依赖错误映射的主张和摘要，修订并记录修复。这说明身份决策为何必须可撤销：如果曾覆盖来源名称并丢弃映射，同样纠正就会困难得多。

13.6 实现测试

首项验收检查身份：P1、P2中的GraphLens归到预期方法，同名无关实体保持分开。第二项检查情境：数据集版本与查询子集不混淆。第三项检查证据：每项接受的比较能定位精确来源。第四项检查更正传播：P3更新相关视图，使依赖摘要失效，却不抹去无关结果。

检索测试同时提出局部事实问题和含糊全局问题。局部问题返回指定得分及情境，全局问题保留分歧、避免无依据排名。访问测试撤销P2权限，验证其直接结果和派生摘要都不泄漏；恢复测试重试中断更新，确认幂等键防止重复。

性能测试应在语义正确之后进行。团队在代表文档上测量导入时间、审核投入、查询延迟和证据包大小，再决定是否增加索引、缓存或更高级检索，使优化针对真实瓶颈。小而可靠的系统，比无法检查正确性的大型演示更适合作为扩展基础。

13.7 分阶段交付计划

第一阶段确定范围、标识、最小模式和人工核验种子集合；第二阶段自动解析与抽取到暂存区，并作审核和错误分析；第三阶段增加有界检索与证据性回答；第四阶段加入受控更新、更正传播和监测。更自主的规划要在前述能力测量后引入。这是按依赖关系组织的阶段，不是固定日历承诺。

每阶段都应有退出标准：种子图能回答能力问题，抽取在留出文档上达到本地质量阈值，检索找到代表问题所需证据，更新保留来源并能从失败恢复。这为本地Neo4j项目提供实施路径，也适用于RDF或其他后端。核心交付是可信证据工作流，数据库为该工作流服务。

14.1 面向变化知识的更好基准

图谱持续变化，许多基准却只评价静态快照。未来应测试更正、删除、时间范围与新实体到达，奖励系统在证据变化后修订答案，并保留“过去相信什么”与“现在接受什么”的区别。这直接对应实际知识管理能力，却容易被静态链接预测分数忽略。

另一重点是证据依赖。多个来源可能重复同一原始主张，表面矛盾结果也可能针对不同条件。要求识别这些模式的基准，比只问一个孤立答案三元组更能检验研究助手，也会鼓励建模出版谱系、研究情境和不确定性。评价应包含需要限定回答或要求补充证据的案例。

14.2 多模态与多语言图谱

多模态知识图谱连接文本、图像、表格、音频和其他来源，困难在于保留每种模态真正支持的内容。图像可能证明物体出现，却不能确定身份；表格可能给出测量，但还需要图注解释单位。模态对齐应保留各自来源的不确定性，不能把所有观察压成一个确定实体记录。

多语言图谱面临类似对齐问题。词语对应不总表示概念等价，文化特定类别也未必能整齐纳入单一普遍层级。未来系统应支持语言特定标签、情境映射和有记录的分歧。对中英研究工作，术语管理是实用起点：保留原始表达和共同认可的概念标识，同时允许修订映射。

14.3 结合约束与解释的学习

神经与符号方法在职责明确时可以互补：学习模型提出候选和排序证据，符号约束发现不可能类型或执行声明规则。研究挑战是结合二者，同时不把违反约束等同于事实错误，也不把高模型分数等同于证明。评价应同时测量预测用途与所声称解释的正确性。

解释应成为可测试产物。检索路径可以对照图谱，规则推导可以核对前提，引用可以核对段落；若进一步声称解释准确描述模型内部机制，则需要额外证据。系统应提供自己能验证的解释，而非因输出含图谱可视化，就承诺更深层可解释性。

14.4 负责任地维护知识的智能体

智能体可能越来越多地帮助识别缺失元数据、协调重复、建议模式扩展和定位过时主张。这些任务有吸引力，因为输出通常可以作为具体变更审核。值得研究的是每单位审核投入能够完成多少正确维护工作，它将自主性与实际操作收益联系起来，同时使纠错保持可见。

智能体记忆也需长期评价。助手应保留有用且已验证的信息，遗忘或退役过时记录，避免反复检索放大自身错误。跨多次会话的测试能暴露单问题基准遗漏的失败。共享图谱让记忆更易检查，也为错误假设影响后续任务提供持久通道，因此版本化来源与纠正机制是核心课题。

14.5 综合结论

当明确身份与关系使重要问题能够依据更清楚的证据回答时，知识图谱最有价值。效果依赖完整生命周期：模式约定、忠实抽取、身份归一、存储、计算、推理和维护。各阶段提供不同保障；可靠系统应在信息流向应用或智能体时，保留这些保障及其限制。

实践上，应从有边界的问题集开始，建模回答所需证据，建立小型、可检查图谱。自动抽取与学习预测扩展覆盖，验证与溯源使扩展可纠正；在保留不确定性、通过受控工具运行的前提下，图检索与智能体再提供灵活访问。这样，知识图谱才能成为研究与组织工作的持久组件，而非一次性可视化或未经审查的生成断言层。

A.1 精确计算规格

数值案例按A、B、C、D排序，有向边为A→B、A→C、B→C、C→A和D→C，没有推断或增添其他边。邻接矩阵各行为(0,1,1,0)、(0,0,1,0)、(1,0,0,0)、(0,0,1,0)。转移矩阵将各行除以出度，第一行变为(0,0.5,0.5,0)，其余行不变。

阻尼系数为0.85、四个跳转目标等概率时，每节点获得0.0375的随机跳转贡献。解线性系统时不对输入分数舍入，第7章最终小数只在呈现时舍入。Wolfram LinearSolve核验平稳方程，PageRank文档说明阻尼与个性化含义[47, 48]。报告构建还按明确矩阵作本地数值检查，避免软件默认方向造成歧义。

邻接矩阵平方的各行为(1,0,1,0)、(1,0,0,0)、(0,1,1,0)、(1,0,0,0)，它们计数两步游走，不是归一化概率矩阵。转移矩阵平方才描述规定随机游走在没有随机跳转时的两步转移概率。区分两者，可避免只因都使用矩阵乘法，就把游走计数误作概率。

无向Jaccard案例刻意采用不同于PageRank的投影：去掉箭头，得到AB、AC、BC和CD四条唯一边，再计算邻居重叠。若不说明投影变化，就比较无向相似度与有向中心性，会模糊含义。因此报告明确说明变化，且不将任一结果解释为现实关系的统计估计。

A.2 证据选择与来源状态

综述选取来源以覆盖形式表示、抽取、存储、图算法、推理和语言模型整合。基础标准与原始论文支持具体技术陈述，宽泛综述用于组织分类和寻找代表方法。近期架构论文在体现实质不同方法时纳入；未复现或未细审实验设置的数值性能比较则不作引用比较。

Consensus检索结果在引用前进一步读取完整记录，SciSpace发现补充的图检索与智能体论文，技术描述再对照可访问原始论文记录，Wolfram核验合成案例。这些工具辅助发现与核对，不能替代被引文献。参考文献区分标准、正式论文、预印本与软件文档。

索引日期可能对应预印本、在线发表或期刊卷期。版本不同时，参考文献标识可用发表记录，并可能附可访问预印本。比较结果应查同一版本和实验条件。本报告不声称来源清单穷尽截止日前全部研究，也不据此评定方法为当前最先进水平。

A.3 供读者练习的小型设计实验

读者可将同一虚构评价分别建模：先建立GraphLens到数据集D的EVALUATED_ON直接边，再建立连接方法、数据集版本、指标、基线与来源的Evaluation节点。让两种模型回答指定协议下谁的分数更高。直接边简洁，却除非别处补足情境，否则缺乏比较所需条件。具体问题由此揭示建模权衡。

加入更正和第二次评价后重复练习。更好的表示应保存两项结果，允许改变受影响情境，却不改写无关历史。RDF入门案例为资源与陈述表达提供起点，但领域评价结构仍需设计[51]。属性图也应测试相同问题，使比较着眼保留的意义，而非偏好哪种语法。

A.4 解释汇总结果

假设两检索系统在100题上测试，X答对80题，Y答对84题。总数本身不足以认定Y可靠地更优，还需知道差异出在哪些题、样本是否代表部署、证据与预算是否相同。由于测试题相同，可用逐题结果作配对分析；从同一文档派生的重复问题，也可能需要按来源分组。

同样纪律适用于建图。更大图谱可能包含更多有用证据，也可能包含更多重复或无依据断言，仅数节点与边无法区分。有效实验应把结构变化与任务表现及审核投入联系起来。对研究证据图谱，可测量获得完整且正确证据支持的答案比例，同时记录维持该质量的成本，使建图成为可测试的研究与工程过程。

术语表说明本报告采用的含义。翻译用于辅助阅读，而非规定普遍术语标准；不同领域对实体消歧、grounding和reasoning等词可能有其他中文译法。术语存在多义时，应结合正文说明的具体情境理解。

以下文献列出报告引用的研究与标准，网络资料在2026年10月1日准备报告时核对。预印本明确标注。链接指向被引记录或可访问原始版本，不表示本报告复现了相应论文的实验。

1. [1]
   Hogan, A., et al. (2021). Knowledge Graphs. ACM Computing Surveys, 54(4).Peer reviewed survey
2. [2]
   Ji, S., Pan, S., Cambria, E., Marttinen, P., and Yu, P. S. (2022). A Survey on Knowledge Graphs: Representation, Acquisition, and Applications. IEEE Transactions on Neural Networks and Learning Systems, 33(2), 494–514.Peer reviewed survey
3. [3]
   Zhong, L., Wu, J., Li, Q., Peng, H., and Wu, X. (2024; online 2023). A Comprehensive Survey on Automatic Knowledge Graph Construction. ACM Computing Surveys, 56.Peer reviewed survey
4. [4]
   W3C (2014). RDF 1.1 Concepts and Abstract Syntax.W3C Recommendation
5. [5]
   W3C (2014). RDF 1.1 Semantics.W3C Recommendation
6. [6]
   W3C (2014). RDF Schema 1.1.W3C Recommendation
7. [7]
   W3C (2012). OWL 2 Web Ontology Language Primer, Second Edition.W3C Recommendation
8. [8]
   W3C (2017). Shapes Constraint Language, SHACL.W3C Recommendation
9. [9]
   W3C (2013). SPARQL 1.1 Query Language.W3C Recommendation
10. [10]
    W3C (2013). PROV-O: The PROV Ontology.W3C Recommendation
11. [11]
    W3C (2009). SKOS Simple Knowledge Organization System Reference.W3C Recommendation
12. [12]
    W3C (2012). OWL 2 Web Ontology Language Profiles, Second Edition.W3C Recommendation
13. [13]
    Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., and Dyer, C. (2016). Neural Architectures for Named Entity Recognition. NAACL HLT, 260–270.Peer reviewed paper
14. [14]
    Devlin, J., Chang, M. W., Lee, K., and Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL HLT.Peer reviewed paper
15. [15]
    Wu, L., et al. (2020). Scalable Zero-shot Entity Linking with Dense Entity Retrieval. EMNLP.Peer reviewed paper
16. [16]
    Eberts, M., and Ulges, A. (2020). Span-Based Joint Entity and Relation Extraction with Transformer Pre-Training. ECAI.Peer reviewed paper
17. [17]
    Wadden, D., Wennberg, U., Luan, Y., and Hajishirzi, H. (2019). Entity, Relation, and Event Extraction with Contextualized Span Representations. EMNLP IJCNLP.Peer reviewed paper
18. [18]
    Yao, Y., et al. (2019). DocRED: A Large-Scale Document-Level Relation Extraction Dataset. ACL.Peer reviewed paper
19. [19]
    Huguet Cabot, P. L., and Navigli, R. (2021). REBEL: Relation Extraction By End-to-end Language generation. Findings of EMNLP, 2370–2381.Peer reviewed paper
20. [20]
    Mintz, M., Bills, S., Snow, R., and Jurafsky, D. (2009). Distant supervision for relation extraction without labeled data. ACL IJCNLP.Peer reviewed paper
21. [21]
    Bordes, A., Usunier, N., Garcia-Duran, A., Weston, J., and Yakhnenko, O. (2013). Translating Embeddings for Modeling Multi-relational Data. NeurIPS.Peer reviewed paper
22. [22]
    Yang, B., Yih, W. T., He, X., Gao, J., and Deng, L. (2015). Embedding Entities and Relations for Learning and Inference in Knowledge Bases. ICLR.Conference paper with accessible preprint
23. [23]
    Trouillon, T., Welbl, J., Riedel, S., Gaussier, E., and Bouchard, G. (2016). Complex Embeddings for Simple Link Prediction. ICML, PMLR 48, 2071–2080.Peer reviewed paper
24. [24]
    Sun, Z., Deng, Z. H., Nie, J. Y., and Tang, J. (2019). RotatE: Knowledge Graph Embedding by Relational Rotation in Complex Space. ICLR.Peer reviewed paper
25. [25]
    Schlichtkrull, M., et al. (2018). Modeling Relational Data with Graph Convolutional Networks. ESWC.Conference paper with accessible preprint
26. [26]
    Zhu, Z., Zhang, Z., Xhonneux, L. P., and Tang, J. (2021). Neural Bellman-Ford Networks: A General Graph Neural Network Framework for Link Prediction. NeurIPS.Peer reviewed paper
27. [27]
    Lajus, J., Galárraga, L., and Suchanek, F. (2020). Fast and Exact Rule Mining with AMIE 3. ESWC.Peer reviewed paper
28. [28]
    Page, L., Brin, S., Motwani, R., and Winograd, T. (1999). The PageRank Citation Ranking: Bringing Order to the Web. Stanford technical report 1999-66.Technical report; legacy institutional record
29. [29]
    Traag, V. A., Waltman, L., and van Eck, N. J. (2019). From Louvain to Leiden: guaranteeing well-connected communities. Scientific Reports, 9, 5233.Peer reviewed paper
30. [30]
    Guo, C., Pleiss, G., Sun, Y., and Weinberger, K. Q. (2017). On Calibration of Modern Neural Networks. ICML, PMLR 70, 1321–1330.Peer reviewed paper
31. [31]
    Vrandečić, D., and Krötzsch, M. (2014). Wikidata: a free collaborative knowledgebase. Communications of the ACM, 57(10), 78–85.Published research article
32. [32]
    Himmelstein, D. S., et al. (2017). Systematic integration of biomedical knowledge prioritizes drugs for repurposing. eLife, 6, e26726.Peer reviewed paper
33. [33]
    Chandak, P., Huang, K., and Zitnik, M. (2023). Building a knowledge graph to enable precision medicine. Scientific Data, 10, 67.Peer reviewed data descriptor
34. [34]
    Lewis, P., et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS.Conference paper with accessible preprint
35. [35]
    Pan, S., Luo, L., Wang, Y., Chen, C., Wang, J., and Wu, X. (2024). Unifying Large Language Models and Knowledge Graphs: A Roadmap. IEEE Transactions on Knowledge and Data Engineering, 36(7), 3580–3599.Peer reviewed survey
36. [36]
    Edge, D., et al. (2024). From Local to Global: A Graph RAG Approach to Query-Focused Summarization. arXiv:2404.16130.Preprint; cited research version
37. [37]
    Sun, J., et al. (2024). Think-on-Graph: Deep and Responsible Reasoning of Large Language Model on Knowledge Graph. ICLR.Conference paper with accessible preprint
38. [38]
    Luo, L., Li, Y. F., Haffari, G., and Pan, S. (2024). Reasoning on Graphs: Faithful and Interpretable Large Language Model Reasoning. ICLR.Peer reviewed paper
39. [39]
    He, X., et al. (2024). G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering. NeurIPS.Conference paper with accessible preprint
40. [40]
    Yao, S., et al. (2023). ReAct: Synergizing Reasoning and Acting in Language Models. ICLR.Conference paper with accessible preprint
41. [41]
    Guo, Z., Xia, L., Yu, Y., Ao, T., and Huang, C. (2025). LightRAG: Simple and Fast Retrieval-Augmented Generation. Findings of EMNLP, 10746–10761.Peer reviewed paper
42. [42]
    Cao, Y., Gao, Z., Li, Z., Xie, X., Zhou, S. K., and Xu, J. (2025). LEGO-GraphRAG: Modularizing Graph-Based Retrieval-Augmented Generation for Design Space Exploration. Proceedings of the VLDB Endowment, 18(10).Peer reviewed paper
43. [43]
    Dong, J., et al. (2025). Youtu-GraphRAG: Vertically Unified Agents for Graph Retrieval-Augmented Complex Reasoning. arXiv:2508.19855.Preprint; findings not independently reproduced here
44. [44]
    Ma, S., et al. (2025; first posted 2024). Think-on-Graph 2.0: Deep and Faithful Large Language Model Reasoning with Knowledge-guided Retrieval Augmented Generation. arXiv:2407.10805, version 7.Preprint; cited research version
45. [45]
    Neo4j (version 5 documentation). Constraints. Cypher Manual.Official software documentation
46. [46]
    Neo4j (version 5 documentation). MATCH. Cypher Manual.Official software documentation
47. [47]
    Wolfram Research. LinearSolve. Wolfram Language Documentation.Official computational documentation
48. [48]
    Wolfram Research. PageRankCentrality. Wolfram Language Documentation.Official computational documentation
49. [49]
    Wilkinson, M. D., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018.Peer reviewed principles paper
50. [50]
    Pearl, J. (2009). Causal inference in statistics: An overview. Statistics Surveys, 3, 96–146.Peer reviewed overview
51. [51]
    W3C (2014). RDF 1.1 Primer.W3C Working Group Note
52. [52]
    W3C (2013). SPARQL 1.1 Entailment Regimes.W3C Recommendation