admin/PlantAI-rag

Fork 0

Files

T

potaser 5bb98a937a 初始提交

2026-07-10 17:59:59 +08:00

2.6 KiB

Executable File

Raw Permalink Blame History

数据质量报告

生成时间: 2026-04-01 数据来源: 8篇PDF论文提取

📊 知识图谱规模

实体类型	数量
GeneFamily	118
Species	9
Gene	376
PhylogenyGroup	15
总计	518

关系类型	数量
BELONGS_TO	340
GROUPS_INTO	340
HAS_FAMILY	24
PART_OF	15
总计	719

✅ 数据质量优点

无重复基因: 376个基因ID全部唯一
家族一致性: 所有基因的家族归属正确
格式规范: 基因ID符合命名规范 (SPL1, TCP1, ERF001等)
关系完整: 每个基因都有BELONGS_TO关系

⚠️ 数据质量问题

问题1: 孤立基因 (36个)

家族	孤立基因数	原因
IQD	36	缺少分组提取逻辑
TUB	0	无基因提取

根本原因: IQD家族的分组提取函数未实现

解决方案: ✅ 已修复，添加了IQD分组逻辑

问题2: 空家族过多 (113个)

118个家族中只有5个有基因，113个家族为空。

原因: 只处理了8篇论文，覆盖5个家族

解决方案: 需要处理更多论文来覆盖更多家族

问题3: 分组粒度不均

家族	分组数	基因/分组
AP2-EREBP	5	29
MADS	3	19
P450	2	39
SPL	3	4
TCP	2	24

问题: P450只有2个分组，但基因数多，分组粒度太粗

🔍 具体数据样本

正确示例

基因: TCP1
家族: TCP
物种: Panicum virgatum
分组: Class_I
关系: BELONGS_TO → TCP, GROUPS_INTO → Class_I

问题示例

基因: IQD1
家族: IQD
物种: Brassica rapa
分组: **无**
关系: BELONGS_TO → IQD (缺少GROUPS_INTO)

📋 修复计划

优先级	问题	解决方案	状态
P0	IQD无分组	添加IQD分组提取逻辑	✅ 已修复
P1	空家族多	处理更多论文	⏳ 待执行
P2	P450分组粗	细化P450分组逻辑	⏳ 待执行
P3	数据验证	人工抽检验证	⏳ 待执行

🎯 下一步建议

选项A: 立即修复IQD (推荐)

重新提取IQD论文
导入IQD分组
验证孤立基因问题解决

选项B: 继续扩展规模

处理更多论文 (目标20篇)
覆盖更多家族
增加基因数量到1000+

选项C: 人工验证

随机抽取50个基因
人工核对原文
计算准确率

💡 建议

推荐选项A: 先修复IQD分组问题，确保数据完整性，然后再扩展规模。

修复后预期:

孤立基因: 36 → 0
分组数: 15 → 18
GROUPS_INTO关系: 340 → 376

2.6 KiB Executable File Raw Permalink Blame History