知识图谱抽取教程（下）：网络指标、主题板块与追问核对

上篇说明了文本怎样变成实体、关系与证据。下篇说明报告怎样把这张图变成数字和文字，其中哪些数字可以写进论文，哪些文字只是回到原文的线索。

下篇涉及的区块包括【这份结果说明了什么】【向这份材料提问】【网络结构指标】【知识图谱深度分析】、力导图中的主题板块、【实体关系速查】【手动合并同义实体】以及导出文件。

同一份报告在两种图上计算数字。读任何一个比例之前，先确认它来自哪一种。

第一种是有向多重图。每个实体是一个点，每条三元组是一条从主体指向客体的边。同一对实体之间可以有多条不同谓词的边，两个方向各自计数。力导图、【关系三元组】【关系谓词分布】【节点连接度排名】【知识图谱深度分析】【实体关系速查】和 GraphML 文件都使用这种图。

第二种是无向简单图。同一对实体之间的全部关系合并为一条边，不区分方向，去掉自环。每条边带一个权重，等于这对实体之间全部关系的证据条数之和，没有证据的关系记 1。【网络结构指标】和主题板块使用这种图。

两种图给出的数字不同。以一张 20 个实体、30 条关系的图为例，其中两对实体各有 2 条关系，其余每对只有 1 条，合并后得到 28 条边：

【知识图谱深度分析】卡显示的是左列，【网络结构指标】卡显示的是右列。写进论文的数字应取自【网络结构指标】卡，并同时报告实体数和边数。

【网络结构指标】卡只在较新的任务中出现。实体数不足 10 时，卡片顶部会提示指标仅供参考。

中介中心性在实体超过 2,000 个时改用 500 个源点抽样近似，方法说明会注明本次是否抽样。

三个中心性各有一个标签页，列出前 10 个实体和一行中心势。中心势按 Freeman 公式计算，以度中心势为例：

度中心势 = Σ(最高连接度 − 各实体连接度) ÷ [(n − 1)(n − 2)]

n 是实体数。0 表示所有实体连接度相同，1 表示一个实体连接其余全部实体而其余实体互不相连。

卡片下方的解读句按固定参照区间生成：

这些区间是页面给出的经验参照，不是统计检验。它们帮助判断当前图偏稀疏还是偏集中，不能替代与具体研究问题相关的比较基线。

主题板块由 Leiden 算法在无向加权图上划分，分辨率固定为 1.0，随机种子固定为 42。同一张图重复计算会得到相同划分。

板块按实体数从大到小编号。实体数不足 3 个的板块统一归入【零散实体】，在图例中以虚线胶囊显示，不生成摘要。

实体数达到 3 个的板块会得到一个不超过 8 个字的板块名和一段 80 至 120 字的摘要。板块名和摘要由模型根据该板块内部的前 15 个实体、前 20 条关系和最多 5 句证据写成，指令要求只使用这些内容。生成失败的板块显示为【主题 N】，没有摘要。

板块在力导图卡片中以色块条呈现，最多先显示 12 个，其余折叠。色块条同时是图例和筛选器：点击一个板块，图中只保留该板块的实体和板块内部的关系；再点一次恢复全图。选中后会显示该板块的摘要和最多 8 个核心实体。

模块度 Q 与板块来自同一次划分。Q 越高，板块内部的连接越多于随机预期。页面以 0.4 作为参照，高于 0.4 时说明板块划分较清晰，低于 0.4 时建议只把板块当作粗略分组线索。

板块是对这张图的一次完整划分，每个实体只属于一个板块。同时涉及两个议题的概念会被放进其中一个。板块名是模型对实体和关系的概括，不是抽取框架里的类目。

通过手动合并生成的新版本不重新计算板块，页面会在原位置显示一行提示。

【这份结果说明了什么】卡由页面根据网络结构自动组装，不做新的抽取。开头一句写明本次的实体数和关系数，随后的条目按以下规则出现：

卡片末尾的【怎么继续看】固定指向力导图、【关系三元组】表和【网络结构指标】卡。

【知识图谱深度分析】卡在页面内按有向多重图计算，所有任务都会显示。四个方块分别是网络密度、平均连接度、知识子域和关系类型。

网络密度按 15% 和 5% 两个门槛标为密集型、中等密度或稀疏型。知识子域等于连通分量数。关系类型等于谓词种类数，旁边注明孤立实体数。

右上角的【综合评分】和雷达图来自五个 0 至 100 的分数：

综合评分 = 0.15 × 密度 + 0.25 × 连通性 + 0.2 × 多样性 + 0.2 × 深度 + 0.2 × 覆盖度

沿用前文的 20 个实体、30 条关系的例子，再假设最大连通分量含 18 个实体、谓词 9 种、最长有向链 3 步、孤立实体 1 个。五个分数依次为 42、90、90、75、95，综合评分为 81。

雷达图标注为【图谱质量】，但五个维度都只描述图的形状：边够不够多、连成一片还是几片、谓词种类多不多、顺着箭头能走多远、有多少实体没有关系。没有任何一项衡量三元组是否正确。一批关系全部抽错但彼此连通的图，同样可以得到高分。

分数条按 70 和 40 两个门槛变色，只是显示区间。

卡片其余部分的口径如下：

报告中有三段由模型写成的文字。它们都以图谱摘要为输入，不重新读取原文，也不能提供图谱之外的事实。

【工作提纲】按框架命名，例如文献综述框架对应【文献综述提纲】，政策分析框架对应【政策分析提纲】。输入是连接度最高的 12 个实体和 40 条关系。指令要求写 4 至 6 个小节，每节 2 至 3 条不超过 30 字的要点，只使用给定的实体和关系。页面按两列显示，每节先显示 3 条，可展开。

【要点速览】位于【实体关系速查】卡的底部，列出 6 至 8 条问答，每条附一句适用场景。输入是一份不超过 2,800 字的图谱摘要，包含框架名、数量统计、前 10 个谓词、前 18 个实体、最多 60 条代表关系及其证据摘录和最多 8 组同义合并。问题不超过 24 字，回答不超过 80 字。前 4 个问题会作为【向这份材料提问】的起手问题。

【图谱质量诊断】是一段 200 至 300 字的文字，围绕实体覆盖度、关系粒度、连通性和改写建议展开。它的输入只有实体数、关系数、谓词种类数、前 10 个谓词和孤立实体数。它既没有读过原文，也没有读过具体的三元组，因此关于缺失了哪些重要实体的判断没有原文依据。

这三段文字中的每一个判断，都应能回指到【关系三元组】表中的某条关系。找不到对应关系的句子，不应当作结果引用。

【实体关系速查】只查询已经抽出的图，不调用模型，也不消耗算力。先选一个【查询实体】，默认是连接度最高的实体；可以再选一个【对比实体】。

只选一个实体时，可查五个角度：

选了对比实体后，可查两者分别是什么实体、是否有直接关系、有哪些共同关联，以及最短路径。最短路径不区分方向，最多找 5 跳，找不到时提示两者可能属于不同子域。

【向这份材料提问】允许用自然语言追问，回答附原文出处。它只对任务创建者开放，且要求任务已完成并在完成时建好了索引。较早的任务没有索引，不显示这张卡。

索引在任务完成时构建。原文按句末标点切成不超过 800 字的段落，每段记录来源文件；每段和每个实体名各计算一条语义向量；实体名和同簇别名在哪些段落里出现，也会被记录。

每次提问按以下步骤进行：

一次也没检索到材料时，页面回复没有检索到相关材料，这次不扣算力也不计次。

每次提问相互独立，不带上一轮对话。问题里不要用它、这个之类的指代，直接写实体名。

当前额度是每个任务前 3 次免费，之后每次 1 算力，单个任务最多 200 次。次数按任务累计，切换版本不重置；只有回答成功生成才扣费。对话历史按版本保存最近 20 条。

能问到的只有索引里的原文段和图谱里的关系。用代词或简称提到某实体的段落不挂在该实体名下，只能靠相似度检索到。隔了两跳以上的关系不会自动带入已知事实。

自动合并可能漏掉同义实体。【手动合并同义实体】卡允许在当前报告上指定合并组，生成一份新报告，原报告保持不变。

操作顺序如下：

新任务只做数据变换，不重新抽取，也不调用模型。程序把各组成员的名称替换为代表名，合并重复的边，把成员的同簇实体并入代表实体，重新计算【统计概要】和【网络结构指标】，并把追问索引中的实体表按合并结果重映射。

新报告的【聚类合并详情】会注明有多少组来自上一份报告的手动合并。新报告不重新计算主题板块。新报告仍可继续合并，形成多个版本。

手动合并改变的只是名称归并。它不改变任何关系的方向、谓词或证据。

任务完成后可下载结果包。其中的表格文件包括：

【图谱导出】卡提供 GraphML 文件，文件名为知识图谱加任务名。文件是有向图，节点带名称和角色，边带谓词和置信度，可导入 Gephi、yEd 或 Cytoscape。

GraphML 保存的是有向多重图。在外部软件中直接重算密度，得到的是【知识图谱深度分析】卡的口径，不是【网络结构指标】卡的口径。要复现后者，需要先忽略方向并合并平行边。

写进论文时，从【网络结构指标】卡取实体数、边数、密度、平均度、聚类系数、连通分量、中心性和模块度，并写明计算口径：无向简单图、边权为证据条数、密度不计边权、接近中心性经 Wasserman–Faust 修正、中介中心性在最大连通分量上计算、中心势按 Freeman 公式、Leiden 分辨率 1.0 与随机种子 42。

卡片内的【方法说明与推荐引用】列出每项指标的推荐文献和一句平台引用句式，均可一键复制。导出的 citations 表还包含大语言模型辅助抽取的披露参考。实体与关系由模型辅助抽取，论文中应说明所用框架类目，并报告抽样人工校验的一致率。