面向篮球技术统计盒式得分（Basketball Box Scores）的本体驱动知识图谱（Ontology-Driven Knowledge Graph, KG）：语义过滤与基于大语言模型（LLM-Based）的自然语言查询

《Data》：An Ontology-Driven Knowledge Graph for Basketball Box Scores: Semantic Filtering and LLM-Based Querying Michalis Mountantonakis, Christos Dallas, Nikolas Makrinakis and Dimitris Papadopoulos

　　

摘要：本文阐述了如何利用基于本体的资源描述框架（Resource Description Framework, RDF）知识图谱（Knowledge Graph, KG）对欧洲篮球联赛（EuroLeague）篮球技术统计盒式得分（Box Scores）进行语义化表示，以支持体育分析、复杂问答及带语义过滤器（Semantic Filters）的数据浏览等实际应用场景。研究人员提出BBall本体（BBall Ontology），详述其建模决策及构建KG的优势；随后构建涵盖25个赛季、超500万三元组（Triples）的EuroLeague KG，并基于该KG展示三款研究原型系统的功能——含语义过滤分面搜索应用，以及两款利用大语言模型（Large Language Model, LLM）实现文本转SPARQL（Text-to-SPARQL）的应用（支持多语言查询）。第一款LLM应用支持SPARQL查询编辑，第二款为对话式交互应用。研究人员描述各应用的功能与实现方法，从多维度将其与经典SPARQL查询编辑器进行对比；最终给出所构建KG的统计信息、回答能力问题（Competency Questions）的示例SPARQL查询、Text-to-SPARQL方法的错误率分析结果、效率测试结果，以及展现2000年至2025年EuroLeague篮球多项因素演变的历史分析。

论文解读：面向篮球盒式得分的本体驱动知识图谱及LLM辅助语义查询系统

一、研究背景与开展意义

现有体育数据分析多依赖HTML表格或关系型数据库（Relational Database），缺乏以资源描述框架（Resource Description Framework, RDF）形式发布的知识图谱（Knowledge Graph, KG），难以支持需跨越球员、球队、比赛、赛季等多实体语义关联（Semantic Connections）的复杂分析查询。先驱学者G. Weikum指出在体育实体中捕捉量化属性对KG的分析覆盖至关重要，而这是当前主流KG的主要缺口。以"找出主场对阵俄罗斯球队时身高低于2 m希腊球员得分≥15分的EuroLeague比赛"为例，传统分散存储方式需大量跨表连接（Join），耗时且困难。为此，研究人员设计并构建了基于BBall本体的EuroLeague篮球盒式得分（Box Scores）RDF KG，开发带语义过滤及大语言模型（Large Language Model, LLM）驱动Text-to-SPARQL的三种交互原型，验证KG在体育复杂语义查询与历史分析中的优势与可行性。该文发表于《Data》。

二、关键技术方法

研究人员以欧洲篮球联赛（EuroLeague）2000–01至2024–25赛季公开API获取JSON数据为本研究样本队列来源，设计含16个类（Class）、25个对象属性（Object Property）、63个数据类型属性（Datatype Property）的BBall本体（通过Oops!一致性检验及WIDOCO文档化），采用参与中心建模模式分离持久实体（球员Player、球队Team、比赛Game）与情境化表现实体（球员参赛记录PlayerParticipation、球队盒式统计TeamBoxscore、统计行Statline），以稳定URI策略赋予实体可解引用统一资源标识符。将JSON转为RDF三元组（Triple）存入Virtuoso三元组存储（Triplestore）提供SPARQL端点（Endpoint）。在此基础上开发三个Web原型：①EuroLens——基于预定义SPARQL模板的语义分面过滤（Faceted Search）浏览应用；②HoopProphets——向LLM输入含RDF类路径与字面量模式（Path and Literal Pattern Method）的提示词生成SPARQL并执行，支持多语言及SPARQL可编辑；③EuroLens-Chat——保留对话上下文的对话式Text-to-SPARQL并具结果自然语言格式化。研究人员用100问基准测试GPT-4生成SPARQL准确率，测量端点响应时延，并对KG做历史趋势统计检验（Welch's t-test、线性回归、Pearson相关）。

三、研究结果

3.1 本体与KG构建（An Ontology-Based Knowledge Graph for Basketball Box Scores）

研究人员阐明三类用例（UC1历史分析、UC2语义过滤浏览、UC3复杂语义问答）及对应能力问题（Competency Questions）。BBall本体显式建模比赛阶段（Phase）、轮次（Round）、赛季（Season）满足时序分析；Person类下分Player/Coach/Referee并通过参与实例处理角色转换；Statline挂接数值字面量便于SPARQL聚合（AVG、SUM、COUNT）。KG含6000余场比赛、3000余名球员（85国）、240名教练（25国）、307名裁判（35国），总计逾500万三元组，平均每队URI关联约437三元组。单轮次更新RDF注入端点耗时＜30 s。

3.2 KG与关系模型优势对比（Advantages of the Knowledge Graph Approach）

研究人员归纳KG相较关系数据库五大优势：多跳查询（Multi-hop Queries）以图边自然表达无需多层Join；数据集成灵活（同本体类复用可跨联赛扩展，通过owl:sameAs对齐）；支持联邦SPARQL（Federated SPARQL via SERVICE子句）对接DBpedia等外部KG；模式演化（Schema Evolution）新增类（如PlayByPlayEvent）不改动既有结构；本体概念层（Player、Game、Season）与自然语言对齐更利于LLM映射，优于暴露外键的表结构。

3.3 应用展示与对比（Applications Using the Ontology-Based RDF Basketball KG）

EuroLens可按球员（位置、身高、国籍、赛季基础过滤＋PIR、命中率等进阶过滤）、教练（胜率、场均得失分）、裁判/球队/比赛/场馆多维条件组合检索并返回卡片式结果。HoopProphets经路径及字面量提示引导LLM将自然语言问句译为SPARQL，允许LLM补充KG未存外部知识（如希腊封城日期）到FILTER，用户可查看编辑生成查询。EuroLens-Chat维护多轮对话线程，SPARQL JSON结果经次提示转为可读文本作答。三者对比显示：原生SPARQL编辑器精度高但需专家知识；过滤应用精度高受限于模板组合适合普通用户；Text-to-SPARQL应用灵活度最高但受LLM生成错误影响，适合专家快速原型或带复核使用。

3.4 实验评估（Experimental Evaluation）

SPARQL端点百问基准平均响应0.27–0.39 s（否定查询略慢）。GPT-4采用路径字面量提示法Text-to-SPARQL准确率为79%（基线仅列属性提示为25%），错误主因为过滤/逻辑约束（47.6%）、聚合计算（28.6%）、模式属性误用（14.3%）及语义误解（9.5%）。聊天应用单次交互均时约4.1 s（Text-to-SPARQL 1.8 s＋端点0.3 s＋结果转文本2 s）。

历史分析显示：三分出手从2000–01赛季场均36次增至2024–25的52次（r=0.948, R2=0.900），中锋三分出手亦显著上升（r=0.905）；场均助攻2012年规则修改前后由25.50升至34.17（p<0.0001, Cohen's d=4.74）；抢断下降、失误略降；主场上座率与主场胜率弱相关（排除COVID-19赛季r=0.16, p=0.43不显著），COVID空场期客胜比例异常升高；美国籍球员得分占比由25%升至39%。

四、讨论与结论总结

研究人员指出当前KG仅含盒式统计，未来将扩展逐球（Play-by-Play）事件本体并支持实时摄取；未进行大规模用户可用性测评系局限之一。结论如下：研究人员实现了BBall本体驱动EuroLeague盒式得分RDF KG（＞500万三元组，含25季6000+场、3000+球员），并部署基于语义过滤与LLM Text-to-SPARQL的三种原型，验证了KG在复杂多跳体育语义查询与历史趋势分析上的有效性；GPT-4路径字面量提示Text-to-SPARQL准确率79%，SPARQL平均响应＜0.4 s；EuroLeague近25年呈现三分出手剧增（各位置含中锋）、助攻上升（与2012规则变更显著相关）、抢断减少、美籍球员得分占比提升等演变趋势，该语义框架可推广至足球、排球等其他团队项目。