斷檔領先16%，清華Tree-KG兩步「長」出高質量知識圖譜
為什么又要造一個新的 KG 框架？
傳統方法痛點 | Tree-KG 的對策 |
規則/監督系統：標注貴、遷移差 | 零標注，直接讀教材 |
通用 LLM 抽取：結構混亂、難擴展 | 先搭“目錄樹”骨架，再迭代擴枝 |
快速演化領域：增量更新難 | 預設 6 種算子，新文獻即插即合并 |
整體流程：兩階段“種樹”
框架總覽
階段 | 輸入 | 核心動作 | 輸出 |
Phase-1 顯式骨架 | 教材 PDF | 目錄解析 → 自底向上摘要 → 實體/關系抽取 | 樹狀層級圖（章節-實體） |
Phase-2 隱式擴展 | 骨架 + 新文獻 | 6 大算子循環：卷積→聚合→嵌入→去重→連邊→合并 | 完整 KG，可無限生長 |
Tree-KG 內部層次
(c) 聚合前 vs (d) 聚合后：黃色節點被收編，結構更清晰
關鍵技術拆解
1 樹狀層級圖（Tree-like Hierarchical Graph）
- 縱向邊：教材目錄天然的?
?has_subsection / has_entity?? - 橫向邊：LLM 預測的同層語義關聯，如?
?Coulomb_Law --obey--> Inverse_Square_Law??
2 上下文卷積（Conv）
把鄰居節點的描述“卷”進來，一次迭代就能讓實體嵌入更緊致（圖3）。
同小節實體更緊湊
3 實體去重（Dedup）
- 先用向量檢索找 Top-20 候選
- 再讓 LLM 投票是否同一指稱 → 并查集合并
- 閾值 0.55 性價比最高（圖4）
去重閾值曲線
4 連邊預測（Pred）
score = 0.6·語義相似 + 0.3·共同鄰居(AA) + 0.1·共同祖先(CA)兩階段貪心：先稀疏補連通，再密集補語義。
實驗結果：全面吊打基線
表1 物理領域 Ground-truth 評價（F1 ↑）
- F1 領先 12–16%（GraphRAG、iText2KG、Langchain、AutoKG）
- 結構一致性 MEC 最高，MED 最低
- 成本僅 18 RMB（表3），比 LangChain 便宜 36%
表3 Token & 成本對比
消融實驗：每一步都有用
表4 摘要的重要性
表5 卷積步數
可視化：Tree-KG 長這樣
只有 Tree-KG 把“知識圖譜”真的做成了“教科書”該有的樣子——有目錄、有層次、不重復。
藍色=章節，紅色=核心實體，黃色=非核心實體
https://aclanthology.org/2025.acl-long.907.pdf
Tree-KG: An Expandable Knowledge Graph Construction Framework forKnowledge-intensive Domains
https://github.com/thu-pacman/Tree-KG本文轉載自??PaperAgent??
已于2025-10-9 07:56:45修改
贊
收藏
回復
分享
微博
QQ
微信
舉報
回復
相關推薦
