大模型辅助的多源文献知识图谱高质量构建、注释与应用研究
来源：图书情报工作杂志2026年第7期北京时间：
作者：崔鸿飞,王梓洁
单位：北京科技大学经济管理学院 北京 100083
摘要：[目的/意义] 针对单一数据源难以同时满足高文献覆盖度、高实体消歧质量与高数据时效性的瓶颈，构建满足更全面需求的高质量学术知识图谱，提升文献计量学分析与学术社交网络研究的可靠性。[方法/过程] 提出一种大模型辅助的多源文献融合知识图谱构建框架，整合Scopus、Web of Science、PubMed与OpenAlex四个主流数据库的优势。框架分为多源文献融合、机构作者实体消歧两大模块，发挥大模型技术零训练样本的优势，保证知识图谱的高质量构建。[结果/结论] 以肺炎研究领域为例，构建涵盖约225万篇文献的多源融合学术知识图谱，实现百万量级机构署名与千万量级作者发文记录的有效消歧与注释。相较于单一数据源，融合后的知识图谱在确保低冗余率与低误合并率的前提下，显著提高文献覆盖度、元数据完整性和实体注释的精度与召回率，且弥补各数据源在机构与作者注释方面的不足。该融合图谱可以通过反向修订源数据，有效提升VOSviewer、CiteSpace等经典文献计量工具在作者和机构网络分析中的准确性，并支持创新文献计量方法的探索，展示出显著的应用价值。而提出的数据融合框架也为各学科领域构建高质量学术知识图谱提供可行路径与实践参考。
关键词：多源文献融合,学术知识图谱,实体消歧,文献计量学,大模型,
基金资助：本文系国家自然科学基金项目“基于深度特征融合推荐模型的互联网用户电影文化偏好量化研究方法”（项目编号：72101029）研究成果之一。
