将构建时知识质量传播到医疗问答：一个基于临床指南的框架

大型语言模型促进了从临床指南中构建知识图谱（KG），但抽取出的三元组在结构有效性和证据支持方面存在差异。与此同时，图增强问答（QA）系统通常在检索过程中优化查询相关性，而对知识图谱构建阶段产生的质量信息复用有限。这造成了构建时质量控制与推理时证据使用之间的脱节。我们研究构建时的三元组质量是否可作为下游证据选择和呈现的持久信号。我们提出一个质量感知框架，将结构符合性（SchemaConf）和证据支持（EvidScore）建模为互补维度，并将其融合为每个三元组的质量信号 Q(t)。该框架不再仅将质量用于过滤，而是保留 Q(t) 及其衍生的质量层级作为图属性，并将其传播到质量加权的子图检索和分层条件化证据提示中，同时保留段落级溯源信息。基于中文糖尿病临床指南的实验表明，质量信号的效用依赖于分布。在跨版本和跨模型迁移下，融合后的 Q(t) 比单独任一组成部分都具有更强的三元组质量区分能力（AUC 0.748，相比 EvidScore 的 0.703 和 SchemaConf 的 0.645）。在以指南为基础的问答中，传播构建时质量将所需知识遗漏率从 16.3% 降至 5.3%，将冲突输出从 16.3% 降至 2.7%，证据支撑精度达到 81.6%，且无效引用几乎为零。盲法临床医生评分显示，完整框架优于不检索情形（五分制 4.68 vs. 4.21），并接近 oracle 条件（4.80）；跨生成器实验也显示出一致趋势。