SurveyGraph: generazione di rassegne accademiche tramite grafi di conoscenza di metodi ed entità

Abstract degli autori

La maggior parte dei sistemi di generazione automatica di rassegne recupera gli articoli come documenti isolati, limitando così la propria capacità di cogliere la struttura della ricerca. Presentiamo SurveyGraph, un sistema basato su un grafo di conoscenza di metodi ed entità (Methods-Entity Knowledge Graph, MEKG) che codifica relazioni di prosecuzione, competizione e condivisione di risorse tra metodi. Il grafo supporta l’individuazione degli articoli fondamentali, il recupero dei documenti, la stesura ibrida della scaletta e una sintesi narrativa subordinata alla verifica delle evidenze. Valutiamo il recupero dei documenti, le relazioni semantiche, l’ancoraggio delle citazioni alle fonti, la copertura della raccolta e i componenti della fase di generazione. In un benchmark controllato che confronta sette metodi a parità di budget, la combinazione basata su MEKG bilancia recall e densità strutturale, con una verifica indipendente delle cocitazioni. In una distinta analisi diagnostica archiviata e nativa del grafo, il recupero che tiene conto del grafo quasi raddoppia il recall rispetto ai sistemi di riferimento lessicali basati su documenti isolati, in otto esecuzioni (p = 0,004). Un filtro semantico delle evidenze raggiunge un’AUC = 0,75. L’esame di 160 frasi generate rileva che l’80,6% presenta un supporto citazionale ancorato alle fonti o parziale. La valutazione umana di 108 relazioni semantiche selezionate per strati rileva che il 68,5% è supportato in modo completo o parziale (kappa di Cohen per il supporto binario = 0,64): le relazioni improves ottengono il risultato più alto (80,6%) e le relazioni extends quello più basso (52,8%). Una verifica della raccolta rivolta a SurveyBench raggiunge una copertura media dei riferimenti di 0,521 su quattro temi, con un budget di otto articoli. Analisi diagnostiche con Qwen e lo stesso backend, condotte su un grafo di 30 articoli e 74 relazioni, mostrano segnali di organizzazione più deboli quando si elimina la stesura ibrida della scaletta. I confronti con sistemi contemporanei offrono un contesto circoscritto, non prove end-to-end ottenute con lo stesso backend. I risultati indicano che MEKG può fungere da livello strutturale verificabile per analisi diagnostiche tipizzate, filtri specifici per ciascun tipo di relazione e generazione controllata di rassegne. Codice e artefatti: https://github.com/xzzvsxd/SurveyGraph.