薛冰聪关于知识图谱质量控制的综述“Knowledge Graph Quality Management: a Comprehensive Survey”被TKDE 2022接收。

知识图谱以结构化的形式表示现实世界中的实体和关系，是人工智能技术发展的基石，在智能问答、推荐系统等任务中得到广泛应用。但现存的知识图谱往往存在质量问题，如不完整、不准确、不一致等。而另一方面，数据质量的研究有很长的发展历史，也催生了一系列工具和算法。近年来，越来越多的工作考虑到知识图谱质量问题，并提出了若干专用于知识图谱的质量控制方法。

这篇文章对知识图谱质量控制问题展开了广泛的综述，内容不仅包括质量控制的基本概念如问题、维度和指标，也涵盖了质量控制从评估、问题发现到质量提升的全流程；对不同工作中提出的方法，按照所用技术、目标维度、处理对象等多个角度进行分类。在文章最后对现有工作进行讨论和总结，并提出了若干有潜力的未来发展方向。