SciGraphSelect：用知识与推理关系图审计科学训练语料选择

科学数据选择通常由相关性或效用分数驱动，难以解释文档为何被保留。我们引入了 SciGraphSelect，这是一个用于可审核科学数据选择的以参考资料为依据的框架。 SciGraphSelect 将特定领域的知识、可重用的推理操作和参考材料证实的关系组织成类型化的知识推理图，然后使用概念覆盖、关系和路径协同支持以及方向对齐对候选文档进行评分。为了避免过度解释文档嵌入，在参考端保留了丰富的关系结构，而候选端证据则被保守地对待，而不假设关系蕴涵。通过公开每次选择背后的参考证据，SciGraphSelect 为科学训练语料库的上游建设带来了可追溯性，并补充了下游的科学验证。