将构建阶段的知识质量传递到医疗问答：基于临床指南的框架

大语言模型促进了根据临床指南构建知识图（KG），但提取的三元组在结构有效性和证据支持方面有所不同。同时，图增强问答（QA）系统通常会在检索过程中优化查询相关性，而对知识图谱构建过程中产生的质量信息的重用有限。这造成了构建时质量控制和推理时证据使用之间的脱节。我们研究构建时三重质量是否可以作为下游证据选择和呈现的持久信号。我们提出了一个质量感知框架，将结构一致性 (SchemaConf) 和证据支持 (EvidScore) 建模为互补维度，并将它们融合成每三重质量信号 Q(t)。该框架不是仅仅使用质量进行过滤，而是保留 Q(t) 和派生的质量层作为图属性，并将它们传播到质量加权子图检索和层条件证据提示中，同时保留段落级别的出处。中国糖尿病临床指南的实验表明，质量信号的效用是分布依赖的。在跨版本和跨模型转换下，融合的 Q(t) 提供比单独任一组件更强的三重质量辨别力（AUC 0.748 vs. EvidScore 的 0.703 和 SchemaConf 的 0.645）。在基于指南的 QA 中，传播构建时间质量将所需知识遗漏从 16.3% 减少到 5.3%，将冲突输出从 16.3% 减少到 2.7%，基于证据的精确度为 81.6%，无效引用接近于零。盲法临床医生的评分更倾向于完整框架而不是无检索（五分制上为 4.68 与 4.21），并且接近预言条件（4.80），而跨生成器实验显示出一致的趋势。