arXiv cs.CL· Yifan Yuan, Yancheng Zhu, Zuoyu Zhang, Xiaogang Peng·· 12 小时前AI 评分38
SurveyGraph：用方法-实体知识图谱生成学术综述
SurveyGraph: Generating Academic Surveys via Methods-Entity Knowledge Graphs
AI 导读
SurveyGraph 是一个围绕方法-实体知识图谱（MEKG）构建的学术综述生成框架，MEKG 编码方法层面的后续、竞争与共享资源关系，支撑核心论文发现、检索、混合大纲与证据门控的叙述合成。
正文 · AI 翻译
摘要：大多数自动化综述生成系统将论文作为扁平文档检索，限制了其捕捉研究结构的能力。我们提出 SurveyGraph，这是一个围绕方法-实体知识图谱（MEKG）构建的框架，该图谱编码方法层面的后续、竞争与共享资源关系。该图谱支持核心论文发现、检索、混合式大纲生成以及证据门控的叙事合成。我们评估了检索、语义边、引用依据、集合覆盖率和生成阶段组件。在受控的七方法等预算基准测试中，以 MEKG 为锚的融合在召回率与结构密度之间取得平衡，并进行了独立的共被引检查。在另一项归档的图原生诊断中，图感知检索在八次运行中相比扁平词汇基线将召回率提升近一倍（p = 0.004）。语义证据门控达到 AUC = 0.75。对 160 个生成句子的审计发现，80.6% 具有锚定或部分引用支持。对 108 条分层语义边的人工裁定发现，68.5% 为支持或部分关系（二元支持 Cohen's kappa = 0.64），其中 improves 最强（80.6%），extends 最弱（52.8%）。面向 SurveyBench 的集合探测在八篇论文预算下，跨四个主题达到平均参考文献覆盖率 0.521。在 30 篇论文/74 条关系的图谱上进行的同后端 Qwen 诊断显示，移除混合式大纲生成后组织信号减弱。并发系统比较提供的是有界上下文，而非匹配后端的端到端证据。这些结果将 MEKG 定位为可审计的结构层，用于类型化诊断、关系特定过滤和受控综述生成。代码与工件：此 https URL。
| 评论： | 已被 EMNLP 2026 Findings 接收。共 34 页，含附录 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；信息检索（cs.IR） |
| 引用为： | arXiv:2610.31317 [cs.CL] |
| （或 arXiv:2610.31317v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31317 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yancheng Zhu [查看邮箱]
[v1]
2026 年 10 月 22 日星期四 14:08:59 UTC（6,953 KB）
来源：arXiv cs.CL · arxiv.org