arXiv cs.CL· Elwin Huaman·· 11 小时前AI 评分20
LLM 时代的知识图谱质量评估：一个概念框架
Knowledge Graphs Quality Assessment in the Era of LLMs: A Conceptual Framework
AI 导读
研究者将现有数据、信息、关联数据与知识图谱质量评估框架扩展为包含 24 个质量维度和多种质量指标的目录，并提出一个通用、可按领域或任务定制、面向实践的 KG 质量评估框架。该工作回应了 LLM 日益依赖 KG 提供简洁、完整、准确、忠实、新鲜且可追溯答案时"KG 质量如何、何时可信、如何评估"的问题。
正文 · AI 翻译
摘要：知识图谱（KG）在过去几十年中得到了普及，并且越来越多地由大型语言模型（LLM）构建和消费。因此，各种应用依赖知识图谱来提供简洁、完整、准确、忠实、新鲜且可追溯的答案。然而，这些知识图谱的质量如何？在哪些情况下应使用知识图谱，能否信任它来为 LLM 提供依据？又该如何评估？我们回顾了关于数据、信息、关联数据、知识图谱以及知识图谱与 LLM 交叉领域的质量评估（QA）文献。我们将当前最先进的框架扩展为包含 24 个质量维度（QD）和各种质量指标（QM）的目录。此外，我们提出了一个通用、可针对领域或任务定制且实用的知识图谱质量评估框架。
| 评论： | 8 页，1 幅图，KGSWC 2026 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.31684 [cs.CL] |
| （或 arXiv:2610.31684v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31684 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Elwin Huaman [查看电子邮件]
[v1]
2026 年 10 月 3 日星期六 19:41:14 UTC（1,808 KB）
来源：arXiv cs.CL · arxiv.org