PyGraft：触手可及的可配置合成模式与知识图谱生成工具

知识图谱（KGs）已成为一种突出的数据表示与管理范式。通常以后端模式（如本体）为支撑，KGs 不仅捕获事实信息，还捕获上下文知识。在某些任务中，少数 KGs 已成为标准基准。然而，近期研究指出，依赖有限的数据集集合不足以评估方法的泛化能力。在教育或医学等数据敏感领域，公共数据集的获取更为有限。为弥补上述问题，我们发布了 PyGraft，一个基于 Python 的工具，可生成高度定制化、领域无关的模式与 KGs。合成的模式涵盖多种 RDFS 与 OWL 构造，而合成的 KGs 则模拟真实世界 KGs 的特征与规模。最终通过运行描述逻辑（DL）推理机确保所生成资源的逻辑一致性。通过提供在单一流水线中同时生成模式与 KG 的方式，PyGraft 旨在赋能生成更多样化的 KGs，以用于图机器学习（ML）或更一般的 KG 处理等领域中新方法的基准测试。尤其在图机器学习中，这应能促进对模型性能与泛化能力更全面的评估，从而超越有限的可用基准集合。PyGraft 可在以下地址获取：https://github.com/nicolas-hbt/pygraft。