从查询到叙述：文化遗产数据故事在知识图谱探索与质量评估中的应用

# 从查询到叙事：用于知识图谱探索与质量评估的文化遗产数据故事
来源：https://arxiv.org/html/2609.11403

Torsten Schradehttps://orcid.org/0000-0002-0953-2818 Etienne Posthumushttps://orcid.org/0000-0002-0006-7542 Linnaea Söhnhttps://orcid.org/0000-0001-8341-1187 Jonatan Jalle Stellerhttps://orcid.org/0000-0002-5101-5275 Jörg Waitelonishttps://orcid.org/0000-0001-7192-7143 Harald Sackhttps://orcid.org/0000-0001-7069-9804

###### 摘要

诸如NFDI4Culture知识图谱之类的文化遗产知识图谱包含了数百万个关于艺术品、音乐、铭文、历史事件及其相关人物和地点的三元组。然而，对许多用户而言，发现这些知识可能颇具难度。虽然SPARQL可以学习，但编写有意义的查询首先需要对图谱的数据模型有深入理解，这是许多领域研究人员和实践者不愿投入的。即使有现有的用户界面，通常也需要一个起点和一些引导，因为图谱中的数据高度专业化、异构且不断增长，使其内容或能回答的问题难以知晓。在本文中，我们提出数据故事作为一种方式，不仅旨在降低这一门槛，还将探索转化为数据质量评估，从而将易用的查询与发现隐藏在汇总统计中的问题结合起来。在本文中，数据故事被理解为一种叙述性文档，它将解释性文本和图像与可执行的SPARQL查询及其可视化结果相结合。我们描述了如何针对图谱创作这些故事，以及它们如何服务于多种目的：引导用户浏览陌生的图谱、创建可复现的叙事，以及揭示先前隐藏在汇总统计中的数据质量问题。本文介绍了创作平台LODEON，包括其Sparnatural和AI辅助创作助手，作为概念验证。在创作环境中，关于数据的每一项声明都可以由一个明确的查询支持，使这些叙事透明且可复现。本文还反思了与硕士研究生举办实践研讨会以及在DH2026上举行的国际研讨会中的经验教训。早期经验表明，此类数据故事使文化遗产知识图谱在探索和质量评估方面更具可访问性。

###### 关键词

文化遗产，知识图谱，叙事，大语言模型，数据故事

††版权年份:2026††版权:本文版权由其作者持有。根据知识共享署名4.0国际许可协议（CC BY 4.0）允许使用。††会议:数据驱动叙事：连接知识图谱、生成式AI与叙事（DDS2026），收录于ISWC 2026研讨会联合论文集，2026年10月25-26日，意大利巴里††邮箱:[email protected]††邮箱:[email protected]††邮箱:[email protected]††邮箱:[email protected]††邮箱:[email protected]††邮箱:[email protected]††邮箱:[email protected]††贡献者角色：Tabea Tietz：概念化，验证，写作——初稿；Torsten Schrade：软件，写作——审阅与编辑，资金获取；Etienne Posthumus：软件，资源，数据管理，验证，写作——审阅与编辑；Linnaea Söhn：概念化，软件，资源，数据管理，验证，写作——审阅与编辑；Jonatan Jalle Steller：软件，验证；Jörg Waitelonis：监督；Harald Sack：写作——审阅与编辑；监督；项目管理；资金获取††地址：FIZ Karlsruhe – 莱布尼茨信息基础设施研究所，德国埃根施泰因-莱奥波尔茨哈芬††地址：KIT应用信息学与形式化描述方法研究所（AIFB），德国卡尔斯鲁厄††地址：美因茨科学与文学学院，Geschwister-Scholl-Straße 2, 55131 Mainz, Germany## 1引言

NFDI4Culture知识图谱<sup>1</sup>（NFDI4Culture-KG）目前包含约1.5亿个与物质及非物质文化遗产数据相关的三元组，如艺术品、音乐资料、铭文、历史事件及其相关的人物和地点。其规模使其成为（德国）文化遗产界的宝贵资源，但对新用户、领域专家以及其馆藏被整合的数据提供者来说，也是一个挑战。该图谱索引了来自众多数据门户的数据，涵盖从音乐学、艺术史、建筑学到表演艺术和媒体研究等广泛领域，每个门户都根据其学科特定标准进行贡献。与许多领域特定的知识图谱类似，它高度专业化、异构且不断增长，导致用户难以知晓其内容或它能帮助回答哪些问题。该图谱可以通过公共SPARQL端点进行探索。SPARQL可以学习，但编写有意义的查询首先需要学习其底层数据模型：领域层的文化本体论（CTO）<sup>[1]</sup>，中间层的NFDIcore本体论<sup>[6][3]</sup>，以及上层的基础形式本体论（BFO）<sup>[20]</sup>。许多领域研究人员和实践者对此投入持犹豫态度。因此，数据也可以通过“文化数据搜索”<sup>2</sup>进行探索，这是一个多模态界面，可通过自由文本和初始旋律搜索、过滤选项或图像输入来查找研究数据。然而，面对如此专业的数据，用户仍然需要一个起点和关于图谱能回答哪些问题的概念。社区多年来的反馈清楚地表明，用户需要关于问什么以及如何问的指导，并且他们希望搜索是可复现的，以便查询是永久性的，并能成为研究记录的一部分。

数据故事可以提供这种引导。我们将数据故事理解为一种关于知识图谱中数据的叙述性文档，它将解释性文本和图像与可执行的SPARQL查询及其可视化结果相结合。在本文中，数据故事服务于三个目的。首先，它们为新用户提供引导，用户可以通过阅读一个故事来了解图谱包含什么以及其中的数据如何关联。其次，数据故事允许用户经历一个创作过程，在此过程中他们可以开始探索自己的问题。第三，创作故事的行为会揭示隐藏在汇总统计中的数据质量问题。

在本文中，我们描述了如何基于该图谱并使用SHMARQL<sup>3</sup>实现第一个NFDI4Culture数据故事环境，它如何在卡尔斯鲁厄理工学院的教学和国际研讨会上使用，以及那里观察到的摩擦如何促使我们努力构建一个AI辅助的创作和探索环境。在此基础上，我们介绍了LODEON，连同Sparnatural查询构建器<sup>[13]</sup>和一个AI创作助手，作为概念验证。

本文中描述的使用场景与文化遗产领域相关，涉及NFDI4Culture-KG以及部分德国记忆图谱（GeMeA），这是一个包含约2680万来自德国数字图书馆（DDB）<sup>4</sup>对象的知识图谱。然而，LODEON可以服务于任何知识图谱，它所解决的访问、查询表述和可复现性问题并非该领域特有。

本文结构如下：第2章<sup>[2]</sup>介绍了现有的数据故事环境和探索工具。第3章<sup>[3]</sup>简要介绍了NFDI4Culture-KG。第4章<sup>[4]</sup>描述了开发数据故事环境的过程，讨论了教学和研讨会中的经验教训，并提出了对AI辅助环境LODEON的需求。随后介绍了LODEON原型，并讨论了经验教训。第6章<sup>[6]</sup>的结论部分为本文作结。

## 2相关工作

此处提出的方法建立在两条研究脉络之上：数据的叙事呈现，以及知识图谱的探索与查询。两者将在下文中讨论。

### 2.1数据故事与叙事可视化

通过叙述引导观众理解数据的想法在数据新闻<sup>[18]</sup>中由来已久，其中可视化数据支持创作的故事，例如《纽约时报》的“The Upshot”<sup>5</sup>。在数字人文（DH）领域，多个工具将这种形式更贴近研究数据：CLARIAH数据故事编辑器提供了一个交互式环境来创建和发布数据驱动的研究叙事<sup>[19]</sup>，卡内基音乐厅数据实验室的实验通过探索性、叙事性的界面呈现馆藏数据<sup>6</sup>。这些方法与本文的贡献目标相同，即通过叙事使数据更易接近。然而，它们在叙事与底层数据关联的方式上有所不同。故事通常是针对固定导出数据创作的，读者无法查看、运行或更改生成给定陈述的查询。而在本文提出的贡献中，故事中关于底层数据的每一项声明都可以通过嵌入叙述中并针对实时端点执行的SPARQL查询生成。因此，读者可以检查并重新运行任何陈述背后的查询，并且故事的结果反映的是数据的当前状态，而非创作时固定的快照。

### 2.2知识图谱的查询与探索

链接数据浏览器如LodLive<sup>[11]</sup>、LODmilla<sup>[12]</sup>和LodView<sup>7</sup>允许用户浏览实体及其关系，而面向查询的工具如YASGUI<sup>[14]</sup>和教育性的RDF Playground<sup>[10]</sup>支持编写和运行SPARQL。可视化查询构建器如Sparnatural<sup>[13]</sup>允许用户无需手动编写SPARQL即可组装查询。此外，大语言模型（LLMs）已被广泛用于将自然语言问题转换为SPARQL<sup>[15][16]</sup>。我们的贡献整合了SHMARQL（一个链接数据发布平台，使语义网专业人士能够传播数据）、Sparnatural和一个基于LLM的“AI助手”的能力，将其融入一种叙事格式中，该格式支持引导用户浏览知识图谱中的数据并确保可复现性。

上述贡献提出了不同的解决方案：叙事可视化提供引导，但未提供对数据的可复现访问；或者查询工具提供访问和探索功能，但缺乏叙事引导。本文的贡献在于将两者结合在一个针对实时文化遗产知识图谱的叙事格式中。

## 3用数据故事弥合距离：在NFDI4Culture中

NFDI4Culture是德国国家研究数据基础设施（NFDI）内专注于物质及非物质文化遗产的一个联盟。它汇集了来自建筑、艺术史、设计、音乐学、表演艺术和媒体研究等领域的学科特定门户和馆藏，这些资源由不同的机构维护，并使用各种元数据标准进行描述<sup>[8][1]</sup>。为了使这些去中心化的资源可发现且可互操作，NFDI4Culture一直在创建NFDI4Culture-KG，这是一个语义索引，提供了一个访问研究数据的单一入口点，而数据本身仍由贡献机构存储和拥有。该图谱使用文化本体论（CTO）建模，该本体论扩展了中间层本体论NFDIcore，并与BFO对齐<sup>[5]</sup>。NFDI4Culture-KG通过公共SPARQL端点<sup>8</sup>发布，并可使用文化信息门户内的图形用户界面进行探索。

数据通过提供者特定的馈送集成到图谱中。一旦机构或研究人员准备好贡献，就会通过文化信息门户创建并维护一个数据馈送。然后，提供者的数据通过称为“文化厨房”的提取-转换-加载（ETL）管道<sup>[9][7]</sup>进行处理。目前，该知识图谱包含来自德国文化遗产界贡献的18个数据馈送的超过370万个资源，考虑到NFDI4Culture列出的88个数据门户，它还有增长潜力。尽管将去中心化的资源聚合到一个共享索引中是必要的，但这本身不足以使其可重用。正如Borgman和Groth所论，有效的重用需要克服数据创建者和有意重用数据者之间存在的距离<sup>[21]</sup>。

作为NFDI4Culture的一部分，从德国文化遗产界收集了用户故事<sup>9</sup>，以捕获对图谱和文化信息门户的需求<sup>[8]</sup>。然而，很明显，许多贡献者并不清楚图谱将包含什么、应如何使用它，以及它如何可能帮助回答具体的研究问题。多年来的事实表明，仅靠详细的本体论文档、公共SPARQL端点或搜索界面并不能解决这些挑战，因为一些对查询重要的约定只有在使用时才会显现，而用户需要起点来使用UI创建有意义的搜索。因此，有必要向用户明确展示图谱包含哪些知识以及可以回答哪些问题。此外，用户需要看到针对实时图谱回答的问题，即一个可读取的、可修改以适应相关问题的、并能作为研究过程永久部分被引用的有效查询。

为了满足这些需求，NFDI4Culture内部开发了数据故事实验室<sup>10</sup>，其特色是一个AI辅助工作台，这将在下一章第4章<sup>[4]</sup>中描述。然而，在NFDI4Culture内发现的这些需求并非该项目或文化遗产所特有，因为任何知识图谱……