统计表格中格式约束与模式约束的耦合关系及其对知识图谱构建的影响

提取模式不应降低知识图谱的保真度。然而在统计 CSV 数据上，提取模式可能会产生问题。我们研究了国家-年份时间序列矩阵，这类矩阵在开放数据门户网站上常见。在这种情况下，序列化格式与模式约束之间的相互作用呈现叠加效应。它们的联合作用可超过独立作用之和，最高可达 +1.180（2×2 因素实验，6 个数据集）。引导式 95% 置信区间在 4/6 个数据集上均为正值，在宽 Type-II 矩阵上证据最为坚实。更关键的是，应用于不匹配格式的模式可能触发灾难性失配。实体膨胀或提取拒绝会导致事实覆盖率低于无约束基准线。在 4/6 个数据集上发生。我们称观察到的这种现象为格式-约束耦合。探针分析和词元消失实验支持了以列名引用为中心的表面形式锚定解释。跨格式-模式组合、GraphRAG 主机以及 LLM 系列的受控变体均在测量范围内显示相同方向；有一个 LLM 系列仅表现出部分激活。该观察还具有诊断性后果。三种标准检索模式大多数情况下掩盖了构建质量（delta <= 1pp），而直接图访问则暴露了最高可达 +47.6pp 的缺口（p < 0.0001）。为支持保真度感知评估，我们发布了 CSVFidelity-Bench。它包含 15 个数据集、11 个 Type-II 矩阵、4 个 Type-III 表格，以及 6 个领域中的 1,892 条黄金标准事实。