# 实体链接

2 篇关联报道

订阅更新

arXiv 2026年9月28日
CodeGraph 用开源分类法把 1.45 亿个源码文件标注成含 10 亿条类型化边的知识图谱，并把概念锚定到 Wikidata
该工作提出一条流水线：用代码专用大模型（基于 Qwen3-Coder-30B-A3B-Instruct）对源码文件做开放分类法的语义标注，抽取算法、范式、设计模式与应用领域四类概念，再经三阶段 Wikidata 落地（确定性 SPARQL、面向长尾的 Deep Research Agent、父类闭包上卷），并配合人工金标集与 LLM 评审的校准质控，最终在 Stack-Edu 语料上构建出 CodeGraph：约 1.58 亿节点（其中约 1.45 亿为文件节点、约 6.3 万个抽取概念、约 1.98 万个已落地 Wikidata 实体）与约 10 亿条类型化边，覆盖 14 种编程语言。
该工作提出一条流水线：用代码专用大模型（基于 Qwen3-Coder-30B-A3B-Instruct）对源码文件做开放分类法的语义标注，抽取算法、范式、设计模式与应用领域四类概念，再经三阶段 Wikidata 落地（确定性 SPARQL、面向长尾的 Deep Research Agent、父类闭包上卷），并配合人工金标集与 LLM 评审的校准质控，最终在 Stack-Edu 语料上构建出 CodeGraph：约 1.58 亿节点（其中约 1.45 亿为文件节点、约 6.3 万个抽取概念、约 1.98 万个已落地 Wikidata 实体）与约 10 亿条类型化边，覆盖 14 种编程语言。
University of Bologna Scuola Superiore Sant'Anna
Federico Pennino（第一作者）
CodeGraph代码知识图谱知识图谱构建实体链接大模型作为评判者源代码挖掘
medRxiv 2026年9月13日
SNOMED CT 上的混合词法-语义检索：让两种检索范式共存以支持临床数据录入
该工作提出并实现了一套在 SNOMED CT 官方描述之上让确定性词法检索与学习式语义检索共存的混合检索架构，结合多前缀搜索、BioLORD-2023-M 嵌入、可选 BGE 交叉编码器重排与本地 LLM 查询规范化，并用倒数排名融合与层级过滤整合结果；在 DisTEMIST 西班牙语 542 条疾病提及的零样本仅检索链接评测中，语义检索加重排且不做 LLM 预处理的配置取得 accuracy@1 为 0.60、recall@10 为 0.80，在英文真实 EHR 出院记录 12,897 条提及的字段限定 typeahead 评测中，73% 的提及其概念进入前十候选列表（accuracy@1 为 0.52），并显示两路通道可共存而不互相损害。
该工作提出并实现了一套在 SNOMED CT 官方描述之上让确定性词法检索与学习式语义检索共存的混合检索架构，结合多前缀搜索、BioLORD-2023-M 嵌入、可选 BGE 交叉编码器重排与本地 LLM 查询规范化，并用倒数排名融合与层级过滤整合结果；在 DisTEMIST 西班牙语 542 条疾病提及的零样本仅检索链接评测中，语义检索加重排且不做 LLM 预处理的配置取得 accuracy@1 为 0.60、recall@10 为 0.80，在英文真实 EHR 出院记录 12,897 条提及的字段限定 typeahead 评测中，73% 的提及其概念进入前十候选列表（accuracy@1 为 0.52），并显示两路通道可共存而不互相损害。
Alejandro López Osornio（第一作者）
混合概念检索 SNOMED CT 倒数排名融合实体链接

已读完全部报道

CodeGraph 用开源分类法把 1.45 亿个源码文件标注成含 10 亿条类型化边的知识图谱，并把概念锚定到 Wikidata

SNOMED CT 上的混合词法-语义检索：让两种检索范式共存以支持临床数据录入