kg-extraction-approach-selector

根据第三章“异构源的提取方法”，通过将源特征与五个维度（处理非结构化文本能力、增量友好性、文档级上下文、确定性、设置成本）进行评分，为给定源选择知识图谱提取方法——结构化数据库集成 vs 基于大语言模型的三元组提取 vs iText2KG（增量式） vs RAKG（文档级）。结构化源直接路由到模式物化；`incremental-cost`辅助函数使iText2KG的优势具体化（仅重新处理新文档，而非整个语料库）。适用于选择如何将源数据导入代理的知识图谱时。不用于选择图谱模型类别（使用graph-model-selector），不用于供应商/产品选型，不用于时间/双时态建模（属于ATOM讨论范围，此处不涵盖），也不适用于已规定摄取流水线的情况。

模型生成摘要（rules/v1 · 2026-11-13 20:13）：根据第三章“异构源的提取方法”，通过将源特征与五个维度（处理非结构化文本能力、增量友好性、文档级上下文、确定性、设置成本）进行评分，为给定源选择知识图谱提取方法——结构化数据库集成 vs 基于大语言模型的三元组提取 vs iText2KG（…
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-13 20:13	264ab45a	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。