论文
面向可靠知识图谱三元组验证的模式感知规划与混合知识工具集
Schema-Aware Planning and Hybrid Knowledge Toolset for Reliable Knowledge Graph Triple Verification
摘要
知识图谱（KG）是AI系统的关键基础，但其自动化构建不可避免地引入噪声，损害数据可信度。现有基于图嵌入或语言模型的三元组验证方法，往往因仅依赖内部结构约束或外部语义证据而存在单源偏差，且通常遵循静态推理范式。因此，它们难以处理复杂或长尾事实，可解释性也十分有限。为克服这些局限，我们提出SHARP（Schema-Hybrid Agent for Reliable Prediction），一个免训练的自主智能体，它将三元组验证重新表述为策略规划、主动调查与证据推理的动态过程。具体而言，SHARP将记忆增强机制与模式感知策略规划相结合以提升推理稳定性，并采用增强的ReAct循环与混合知识工具集，动态整合内部KG结构与外部文本证据进行交叉验证。在FB15K-237与Wikidata5M-Ind上的实验表明，SHARP显著优于现有最先进基线，准确率分别提升4.2%与12.9%。此外，SHARP为每个判断提供透明的、基于事实的证据链，展现出面向复杂验证任务的强可解释性与稳健性。
