针对图谱的质量评估，本文提出了四个痛点：

• 与关联数据不同，图是半结构化的，通常没有模式来指定数据的完整性和语义。异构性和灵活性使得结构更加复杂。
• 语义网和知识图谱通常遵循开放世界假设（OWA），即知识图谱中未包含的语句可能是错误的，也可能是缺失的。因此，很难区分错误的元组和缺失的元组。
• 现实世界的知识图谱通常包含大量噪声，传统技术中广泛采用的“数据基本正确”的假设可能并不成立。
• 由于现实生活中的知识图谱规模通常超出现有方法的处理能力，直接应用这些技术往往会耗费大量时间和精力。因此，迫切需要开发新的知识图谱解决方案。

图谱构建的相关标准

RDF与数据质量评估

W3C 的资源描述框架 (RDF) 2 是一种通用的知识表示数据模型。在 RDF 标准中，每个事实都以 ( 主语，谓语，宾语 ) (SPO) 三元组的形式表示，其中主语和宾语是实体， 谓语反映了它们之间的关系。此外，还有一些谓语的对象是字面值而非实体，用于描述实体的不同属性。例如，“ 中国的首都是北京 ”这一陈述在 RDF 中可以表示为 ( sub:China, pred:capital, obj:Beijing )。每个三元组都是一个原子元素，可以转换为节点和边，从而在视觉呈现中形成图，称为 RDF 图。知识图谱便可以用RDF结构表示。

数据质量维度提供了一种从不同方面评估数据质量的方法，每个方面都与各种待计算的指标和度量相关联。选择哪些维度取决于数据使用者和下游任务。一般来说，它可以分为四类：内在维度、上下文维度、可访问性维度和表示维度 [23] 、 [46] ，如图所示。更本质地说，这些维度又可分为内在维度和外在维度两类 [47] ，前者依赖于数据本身，后者则依赖于应用程序。

<aside> <img src="/icons/square-alternate_gray.svg" alt="/icons/square-alternate_gray.svg" width="40px" />

数据质量维度

• **准确度：**它衡量数据是否正确反映事实，即数据与实际值接近的程度。
• **一致性：**这意味着数据彼此一致，并且在特定完整性约束方面不存在冲突。
• **完整性：**它描述了数据集是否包含所有相关的感兴趣数据，包括模式级别、属性、类型等。关于完整性，有封闭世界假设 (CWA)、开放世界假设 (OWA) 和部分完整性假设 (PCA) [48] 来解释不存在的三元组。
• **时效性：**它反映了数据的最新程度 [49] ，对于经常动态变化的数据集很有用。
• **冗余：**这意味着数据集中不包含两个名称不同的相同对象（如实体或属性）。 </aside>

数据从生成到最终应用，其生命周期包含多个处理转换阶段，任何阶段都可能出现质量问题。这意味着数据质量的考量应贯穿整个数据流。下图展示了一个包含五个步骤的数据生命周期流水线，分别是：数据生成、信息提取、数据集成、分析和应用。

数据质量管理分为以下三个过程：

• 质量评估。 这是使用预定义的维度和指标对数据质量进行测量和评估的过程，目的是检查数据质量是否能够满足应用程序的要求。
• 问题发现。 与仅着眼于对特定质量问题进行总体感知的评估不同，问题发现致力于找出固有的错误断言，并进一步推导出更高层次的模式来解释这些错误发生的原因。已识别的错误断言可以被移除或修改，而错误模式有助于揭示其根本原因，这两方面都有助于进一步改进质量。
• 质量改进。 这是为了提高数据集的整体质量。考虑到各种质量维度，它可以分为两类：错误纠正，涉及诸如不准确、不一致和过时等各种问题；以及完善，提高数据集的覆盖率。

图谱的评估方案

人工众包