L'accoppiamento formato-vincolo riduce la fedeltà dei grafi di conoscenza nelle tabelle statistiche

Una recente indagine pubblicata su arXiv (2605.21974) indica che la fusione di formati di serializzazione con restrizioni di schema può minare significativamente l'accuratezza dei grafi di conoscenza quando si recuperano informazioni da tabelle CSV statistiche. Lo studio si è concentrato su matrici temporali paese-per-anno provenienti da piattaforme open-data, rivelando un effetto di interazione super-additivo: l'influenza combinata di formato e schema supera i loro effetti individuali fino a +1,180, determinata attraverso un disegno fattoriale 2x2 su 6 dataset. Gli intervalli di confidenza Bootstrap al 95% sono risultati positivamente significativi per 4 dataset su 6, specialmente nelle matrici wide di Tipo II. In particolare, l'applicazione di uno schema a un formato incompatibile può portare a gravi fallimenti, riducendo la copertura dei fatti al di sotto della linea di base senza vincoli in 4 dataset su 6 a causa di inflazione di entità o rifiuto di estrazione, un fenomeno chiamato "accoppiamento formato-vincolo". Prove da esperimenti di probing e token ablation supportano una spiegazione di ancoraggio alla forma superficiale basata sui riferimenti ai nomi di colonna. Variazioni controllate tra diverse combinazioni formato-schema, host GraphRAG e famiglie di LLM dimostrano la robustezza di questo effetto.