新的KGCQual指标为知识图谱构建提供可解释的评估

研究人员推出了一种名为KGCQual的新框架，旨在评估从文本自动构建的知识图谱（KGs）的质量。该指标通过将提取的图谱与源文本中关键名词短语和谓词关系的理想表示进行比较，提供对知识图谱保真度的可解释评估。KGCQual整合了实体级和关系级评估，利用词汇相似性和依赖解析对齐来确保语义保真度，并已在多个最先进的三元组提取系统和数据集上得到验证。 AI

影响 提供了一种标准化的、可解释的方法来评估自动生成的知识图谱的质量，有可能改进下游自然语言处理任务。

排序理由 该条目描述了一篇介绍用于评估知识图谱构建质量的新颖指标的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• BenchIE
• International Workshop on Natural Language Generation and the Semantic Web
• KGCQual
• knowledge graph
• TinyButMighty

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →