任何明智的人都会同意这一点，而且许多人声称已经 哪一个对于联系作者来说真的很重 做到了。我认为，即使你将知识系统的范围缩小到业务的特定领域，实现这一点也绝非易事。以我之前提到的知识图谱为例。
我们的图表依赖于一个数据集，该数据集由已发表的病毒学科学文章组成，特别关注冠状病毒，包括 SARS、MERS 和 SAR-CoV-2。我们使用了 LitCovid、CORD-19 和其他来源列出的文章的书目引文元数据。总而言之，我们处理了超过 120,000 篇文章。
我们的想法很简单
如果我们能展示各个作者、相关文献、合作者（合著者）以 WhatsApp 数据 及他们研究领域的一些一般特征，那么就可以轻松将收到的稿件与合适的审稿人进行匹配。然而，即使数据集如此有限，仍有许多问题需要回答，并且需要处理相当大的不确定性。
出版物 A 中的“Ralph S Baric”和出版物 B 中的“RS Baric 超越将一 可以从每笔销售中获得佣 种语 ”是同一作者吗？那么出版物 C 中的“Ralph A Baric”呢？他们是同一个人，还是他们的表亲，词典学上的巧合，还是只是一个错误？当我们为文章分配 MeSH 术语时，我们应该在 MeSH 层次结构的哪个级别进行分配？
这应该取决于我们的置信度还是先验固定
在进行分类时，我们应该考虑全文（如果可用）还是仅使 先应 印度尼西亚数据 该定 用书目元数据？我们应该提供信念的出处还是仅仅存储当前状态？机构名称怎么样？我们应该在哪个级别捕获隶属关系？如果有多个隶属关系，其中任何一个都是暂时的吗？ 我可以不断地列出一系列问题，人们需要考虑这些问题，以便达到系统中的信息已达到允许我们采取行动的置信度的阶段。引发这些问题的数据状态与系统中的信息熵直接相关，因此，随着系统规模的扩大，这些问题也会成倍增加。