论文提出可审计的科学数据筛选框架 SciGraphSelect。
资讯摘要
论文提出 SciGraphSelect，一个基于参考依据、可审计的科学数据筛选框架。它把领域知识、可复用推理操作和参考佐证的关系组织成带类型的知识-推理图，再用概念覆盖、关系与路径共支持、方向对齐等指标给候选文档打分。为避免过度解读文档嵌入，该方法在参考侧保留丰富关系结构，对候选侧证据则保守处理，不假定关系蕴含。该框架公开每次筛选背后的参考依据，为科学训练语料的上游构建提供可追溯性。
要点速读
- SciGraphSelect 将领域知识、推理操作与参考佐证关系组织为带类型的知识-推理图。
- 候选文档按概念覆盖、关系与路径共支持、方向对齐打分，并公开筛选依据以提升可追溯性。
- 作者对候选侧证据保守处理，不假定关系蕴含，以避免过度解读文档嵌入。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。