arXiv cs.CL· Ksenia Kozha (American University of Cyprus), PaRAGraph Research Project·· 12 小时前AI 评分18
超越来源归属：LLM 构建的学术知识图谱中的作者身份与可比性决策
Beyond source attribution: Address authorship and comparability decisions in an LLM-built scholarly knowledge graph
AI 导读
针对 LLM 构建的学术知识图谱中同一名称下记录边界、层级或统计标准不一致的问题，研究区分了用于汇集候选证据的工作地址、来源定义的类别与准入比较的决策，并提出这些决策及记录间依赖关系应纳入比较的来源信息。
正文 · AI 翻译
摘要：知识图谱需要为其证据提供一个稳定的地址，即便文献中存在相互竞争的多种分类且没有一种能达成一致。然而，为检索而选定的地址很容易被当作唯一可用的分类。只要以同一名称收集的记录所涉及的单元在边界、层级或描述与计数标准上存在差异，这种情况就会发生。在汉语方言学中，相同的地点会反复出现在单元成员与层级各不相同的方案中，而一个单元在其诊断证据发生变化时可能会改变归属。两个被忠实引用的声调计数，仍可能统计的是不同的东西。于是，整个领域的分类体系便建立在一份自相矛盾的文献的不稳定框架之上。无论是核实引文还是搜索相互冲突的数值，都无法察觉这些差异。我区分了汇集候选证据的工作地址、来源所定义的类别，以及允许某段文本进入特定比较的判定，并主张此类判定连同记录之间的依赖关系，都属于一次比较的来源信息。在四个可重复运行的案例中，随附的 PaRAGraph Casebook 展示了这些差异出现在语言模型提取并在进入图谱前经过核实的断言之间的何处。该平台现在将相应的判定作为对象存储，用于可比性的一个维度，即记录的地址：地点在每一来源方案中的位置、某出版物中的某个名称指代一个单元而非一个地点的判定，以及每个地址的来源。这样，随着新来源产生新断言，工作分类体系便可修订，而从每次比较到其证据的路径则保持固定。关键词：知识图谱；来源归属；分类；断言提取；比较概念；汉语方言学；粤语
| 评论： | PaRAGraph Casebook 的配套材料：此 https URL |
| 主题： | 数字图书馆（cs.DL）；人工智能（cs.AI）；计算与语言（cs.CL） |
| ACM 分类： | I.2.4; H.3.7; I.2.7 |
| 引用为： | arXiv:2610.28663 [cs.DL] |
| （或本版本的 arXiv:2610.28663v1 [cs.DL]） | |
| https://doi.org/10.48550/arXiv.2610.28663 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ksenia Kozha [查看邮箱]
[v1]
2026年10月14日星期三 05:18:45 UTC（382 KB）
来源：arXiv cs.CL · arxiv.org