.png){kind=icon}
返回
Large Language Models and Data Quality for Knowledge Graphs
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104281.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱（KGs）已成为虚拟助手、网络搜索、推理以及信息访问和管理等应用的关键技术。典型实例包括维基数据（Wikidata）、DBpedia、YAGO和NELL，这些被大型公司广泛用于数据结构化和集成。构建知识图谱涉及多种人工智能驱动的流程，包括数据集成、实体识别、关系抽取和主动学习。然而，自动化方法常常导致知识图谱的稀疏性和不准确性，这使得严格的知识图谱质量评估对于改进构建方法并确保下游应用的可靠性至关重要。尽管其重要性，大规模知识图谱质量评估仍然是一个研究不足的领域。
Keyword:
Knowledge Graphs
Quality Evaluation
Entity Recognition
Relation Extraction
Data Integration
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
暂无论文信息