基于全球开放目录构建电池研究知识图谱

# 基于全球开放目录构建电池研究知识图谱  
来源：https://arxiv.org/html/2604.20241  
\[2,3\]\\fnmSae\\surDiebhttps://orcid.org/0000-0002-8111-2009  

1\]\\orgnameScienciaLAB,\\orgaddress\\cityLoulé,\\countryPortugal  

2\]\\orgdivCBRM,\\orgnameNational Institute for Materials Science,\\orgaddress\\cityTsukuba,\\countryJapan  

3\]\\orgnameCyberMate LLC,\\orgaddress\\cityTokyo,\\countryJapan  

4\]\\orgdivSchool of Computing,\\orgnameUniversity of North Florida,\\orgaddress\\cityJacksonville,\\countryUnited States  

5\]\\orgnameNational Institute of Informatics,\\orgaddress\\cityTokyo,\\countryJapan  

###### 摘要  

电池研究是一门快速发展且高度交叉的学科，跨机构追踪相关专家与潜在合作者愈发困难。本文提出一套以作者为中心的电池研究知识图谱构建流程，依托大规模开放书目目录 OpenAlex。针对每位作者，我们生成一条带权研究描述符向量，融合粗粒度 OpenAlex 概念与从标题、摘要中抽取的细粒度关键词（采用 KeyBERT，后端模型为 ChatGPT gpt-3.5-turbo，经多方案评测后选定）。向量分量按描述符来源、作者位次与时间新近度加权。该框架应用于 189 581 篇电池相关论文，所得向量支持作者相似度计算、社区发现与浏览器端探索式检索。知识图谱最终以 RDF 序列化并链接 Wikidata 标识符，可与外部开放数据互通，并扩展至电池以外领域。与此前局限于机构库的作者分析不同，本工作在跨机构尺度上运行，并将相似性锚定在领域语义而非仅引用或合著结构。  

###### 关键词：  

作者中心、知识图谱、材料信息学、电池研究、OpenAlex  

预印本 — 同行评议中。本文尚未被正式接收发表。  

## 1 引言  

电池是现代能源体系的基石，研究内容横跨材料科学、电化学、安全、制造等多个领域。随着绿色转型与可再生能源技术需求激增，跨学科论文爆炸式增长\[1\]，信息过载与知识碎片化使得追踪概念与术语变得困难，亟需结构化表示以支撑领域探索。  

已有工作尝试为电池领域提供概念图\[2,3\]，但均以文档或实体为中心，无法支持作者级发现。作者级概念图可实现量化相似检索、潜在合作识别与专家定位。  

本文提出一套可复用、可视化、以作者为中心的电池研究描述符知识图谱构建流程：将每位作者全部出版物的电池相关描述符聚合为向量，支撑可解释的作者相似检索（如合作者发现、评审推荐）与基于领域语义的社区发现，而非仅依赖引用或合著结构。  

我们利用自然语言处理技术，基于开放目录 OpenAlex\[4\] 构建大规模数据集。OpenAlex 提供作品、作者、机构的丰富元数据与已标注概念，具备可复现、可扩展、持续更新等优势，但缺乏细粒度领域语义。为此，我们采用 KeyBERT（经 SentenceTransformers 与领域微调 BERT 对比后选定）抽取电池专业关键词，与 OpenAlex 概念互补。作者级描述符引入三重加权（见第 3.4 节）：描述符来源（概念/关键词）、时间新近（早期论文降权）与作者位次（第一作者加权）。基于所得向量计算作者相似度，开发浏览器界面实现探索式检索，最终序列化为 RDF，链接 Wikidata，实现跨域扩展。  

## 2 相关工作  

文本挖掘已广泛应用于材料科学，用于从文献中抽取结构化知识\[7–14\]。在此基础上，关键词选择、主题识别与趋势分析成为通用 NLP 热点。趋势预测\[15,16\]、“突发主题”识别\[17\] 等方法层出不穷。Rani 与 Kumar\[18\] 综述了材料领域主题模型，却未涵盖潜主题语义图等新方法。Nadim 等\[20\] 比较发现 BERT 编码器稳定，LLM 性能更强但受提示敏感\[21–23\]。  

学术网络与作者表示方面，Xu 等\[24\] 提出多网络嵌入消歧，Nie 等\[25\] 追踪主题发展，Müller\[26\] 证明标题级语义平均词向量有效，Schäfermeier 等\[27\] 构建图结构计算领域作者排名，引用分类亦用于研究谱系识别\[28\]。机构层面，Dieb 等\[29\] 在单库内开展作者分析，洞察本地动态却难跨机构。  

材料领域亦有结构化术语资源构建工作。Zhang 等\[3\] 基于双语词典自动构建 MGED-KG，并嵌入数据平台支持查询扩展与术语推荐。电池子领域方面，Clark 等\[2\] 综述 BATTERY 2030+ 项目内语义技术，推出 Battery Knowledge Base（BKB），链接本体与维基文章、数据集，实现知识中枢。OpenAlex 等大型基础设施亦催生新分析：Färber 等\[31\] 构建以引用为中心的 RDF 本体，而本文聚焦 OpenAlex 子集内的主题与关键词邻近性。  

综上，现有方法尚未同时整合作者中心、领域描述符与跨机构尺度。本工作填补空白，构建可直接复用、可扩展至其他领域的作者级电池知识图谱。  

## 3 方法  

流程概览见图 1。首先收集 OpenAlex 电池论文并预处理，提取 OpenAlex 概念；随后从标题、摘要抽取关键词，与概念合并为论文级研究描述符；再按来源、时间、作者位次加权聚合至作者，生成向量数据库；最后计算作者相似度，支持词云、相似图谱可视化与 RDF 序列化。  

### 3.1 数据集准备  

本研究使用 OpenAlex 预处理的电池子集。OpenAlex 是 2022 年接替 Microsoft Academic Graph 的完全开放书目库\[32\]，索引超 2.5 亿篇论文，核心实体包括作品、作者、来源、机构、概念，并以持久标识符、DOI、ORCID、引用数、开放获取状态等丰富元数据关联。概念体系分六级，从“物理”等顶层到“电池（电学）”等细粒度主题。作品通过自动分类器关联多个概念并给出置信度，同时沿层级向上继承祖先概念。  

我们通过 OpenAlex API 检索概念 ID “C555008776”（Battery (electricity)）获得 189 581 篇论文，对应 356 103 位作者，并过滤掉 1990 年前或无出版日期的记录以降低噪声。