KGpipe：用于数据集成到知识图谱的管道生成与评估
人工智能
2025-11-25 v1 数据库
机器学习
摘要
构建高质量知识图谱（KG）需要综合信息抽取、数据转换、本体映射、实体匹配和数据融合等方法。虽然存在大量方法和工具针对这些任务，但对将其组合成可复现且有效的端到端管道的支持仍然不足。我们提出了新的框架KGpipe，用于定义和执行集成管道，能够结合现有工具或LLM（大语言模型）功能。为评估不同管道及生成的知识图谱，我们提出了基准测试，用于将异构格式（RDF、JSON、文本）的数据整合到种子知识图谱中。我们通过运行和比较评估了多个集成相同或不同格式数据源的管道，展示了KGpipe的灵活性，并使用选定的性能和质量指标进行评估。
引用
@article{arxiv.2511.18364,
title = {KGpipe: Generation and Evaluation of Pipelines for Data Integration into Knowledge Graphs},
author = {Marvin Hofer and Erhard Rahm},
journal= {arXiv preprint arXiv:2511.18364},
year = {2025}
}
备注
15 KG pipelines (9 single source, 6 multi source)