该研究论文探讨了对中英文Web规模提取的知识库进行评估和比较的重要性，提出了使用基于准形式概念表示的度量集来衡量和比较这些知识库的质量，并基于中英文知识库的实例重叠设计了一套新的度量集以实现度量结果的可比性。研究者们评估了包括DBpedia中文版、Zhishi.me和SSCO在内的三个大型中文知识库，并将其与英文知识库进行了比较。
我们需要了解什么是知识库（Knowledge Bases，KBs）。知识库是一种结构化的数据集合，它包含了实体、事实、属性和关系的信息，并且通常用于构建智能应用程序。知识库的一个关键特点是其开放性，即它们通常采用开放链接数据（Linked Open Data，LOD）原则，使得不同的数据源可以相互关联。
DBpedia和YAGO是两个主要的LOD中心数据源，它们不仅提供英文数据，而且包含中文数据。DBpedia项目从Wikipedia中提取结构化信息并发布到网络上，是目前最大的LOD枢纽之一。YAGO是一个著名的大型语义知识库，它来源于Wikipedia、WordNet和GeoNames。由于Wikipedia的多语言特性，DBpedia和YAGO均包含中文语义数据。
然而，虽然Wikipedia是网络上最大的百科全书之一，但其中文文章的数量却远远少于英文文章。这种情况在其他中文百科全书网站，如百度百科（Baidu-Baike）和互动百科（Hudong-Baike）中也存在。
Zhishi.me和SSCO是从Wikipedia及其他中文百科全书网站中提取中文知识的两个知识库。研究论文的目标是调查这些知识库的质量，因为它们的质量对于智能应用程序至关重要。
为了对知识库进行评估，传统的Web本体评估方法并不适用于Web规模提取的知识库。因此，研究者们设计了基于准形式概念表示的两组度量集来衡量知识库的丰富性和正确性。另外，研究者们还设计了一套基于不同知识库中实例重叠的新型度量集，使得不同知识库的度量结果可以进行比较。
为了减少人工评估正确性的努力，研究者们运用了随机抽样技术。通过这些评估，研究者们为中英文知识库的当前状态提供了详细的状态报告。
这项工作得到了中国国家自然科学基金的部分资助（项目编号：614021）。
在研究的过程中，研究者们可能需要考虑到知识库在不同领域的覆盖范围、准确度、时效性以及其可扩展性等多方面的因素。此外，由于中英文信息环境的差异，它们在文化和语言上有着不同的特点和难点，这也需要在评估时特别考虑。例如，中文的歧义性、语法复杂性以及语义的不明确性都可能对知识库的准确抽取和表达造成挑战。
该研究论文提供了一种评估和比较不同语言、不同来源的知识库的方法论框架，并通过实证研究得到了一些初步的结论，对于未来知识库的发展和优化具有重要的指导意义。此外，研究也表明了使用准形式概念表示的度量方法在评估大规模知识库中的潜在价值。该论文也揭示了中文知识库当前面临的挑战和未来研究的方向，如中文处理技术的改进、知识库覆盖度的扩展以及中文语境下的语义丰富性和正确性的提升。
