面向知识图谱数据集成的管道评估
人工智能
2026-05-22 v1 数据库
机器学习
摘要
将新数据集成到知识图谱（KG）通常涉及在工作流程或管道中执行的不同任务，但目前尚不存在通用方法来评估此类管道的整体质量和性能，以便确定最佳选择。因此，我们提出了新的基准测试 KGI-Bench，用于评估将不同类型的输入数据集成到现有 KG 中的集成管道。我们通过分析管道的输出——即更新后的 KG——来评估管道，采用三种互补的质量指标：覆盖度、正确性和一致性。我们还提供了针对电影领域的基准数据集（初始 KG、来自三种格式的重叠输入数据、作为参考 KG 的基准数据）。为了演示所提出基准的可应用性和有用性，我们对比性地评估了 12 个管道，并分析了它们在不同输入数据格式和设计选择下的行为。
引用
@article{arxiv.2605.22304,
title = {Evaluation of Pipelines for Data Integration into Knowledge Graphs},
author = {Marvin Hofer and Erhard Rahm},
journal= {arXiv preprint arXiv:2605.22304},
year = {2026}
}