知识图谱中的实体存在度

1. 什么是知识图谱中的实体存在度

GEO Wiki 工作定义：作为一项 GEO 信号，知识图谱中的实体存在度是指 AI 引擎信任的某张图谱中是否收录了你的结构化实体节点（Wikipedia 词条、Wikidata 条目、Google 知识图谱或知识面板条目），以及该节点是否准确、是否已被认领。

可信节点是否存在，决定了模型能否识别你，并进一步增强对你的认知。如何把页面上出现的名称与节点对应起来，见 实体识别。

2. 节点能增强实体认知，但不能直接让内容进入答案

这一点与几个相邻条目的结论一致。实体识别 §6 指出「解析靠外部信息相互印证，不靠你自己说了算」，品牌提及 §5 指出「光有链接、没有提及，撑不起权威」，Schema.org for AI 指出「标记是申报，不是奖项」，E-E-A-T §6 则强调「靠赢得，不靠贴标签」。它们共同说明：节点可以增强模型对实体的初始认知，并为解析提供明确对象，但不能直接让某句话被引用，也不能靠单方面声明凭空成立。

这种增强作用会出现在两个环节：

   站外关注度、提及     ◄── 来源：品牌提及
            │
            ▼
   [ 结构化节点 ]   ◄── 实体存在度
   Wikipedia、Wikidata、Google 知识图谱
      │                       │
      ▼（训练阶段）            ▼（检索、采信阶段）
   先验更强               帮助消歧与回忆
   （Wikipedia 在            （在直接调用
   预训练语料里）             Google 索引的
                              AI 界面上）
      └──────────┬───────────┘
                 ▼
   节点能增强实体认知，但具体内容仍须便于引述
   （可引用性），来源也须受到信任（E-E-A-T）

节点发挥作用的时间很重要。它是持续生效的基础信息，并非引擎生成答案时临时计算的结果：在训练阶段，它会增强模型对你的先验认知；在检索阶段，它会帮助引擎区分同名实体。这两个环节都发生在 Answer Loop §3 所述的采信环节之前，后者才会依据 可引用性 与 E-E-A-T 决定是否采用内容。最终引用哪段话，并不由节点本身决定。

需要区分三组概念：

• 存在度 ≠ 可被引述。一句话能否被原样采用，取决于 可引用性。
• 存在度 ≠ 被信任。节点本身是否具有可信的权威性，取决于 E-E-A-T。
• 存在度 ≠ 解析。存在度关注节点本身是否存在；实体识别 关注如何把页面上的名称与该节点对应起来。这与 实体识别 §2 的第三条边界是对同一区别的两种表述。

3. 机制：三类节点如何关联

知识图谱中的实体存在度并非单一状态，而是由三张图谱中的三类节点共同构成。各类节点的收录门槛不同，数据也会按固定方向传递。

数据按以下方向传递。站外关注度促成节点的建立，节点随后增强模型对实体的认知：

  站外关注度 ─► Wikipedia ─► （预训练先验）
            │               └─────►┐
            └─► Wikidata ──────────┼─► Google 知识图谱 ─► Google 各 AI 界面
                                    （sameAs 通常就指它）

sameAs 将页面与 Schema 关联起来。它是一项明确声明，用来说明页面对应图谱中的哪个节点；哪些标记包含 sameAs，见 Schema.org for AI §4。具体的 JSON-LD 代码见 Schema.org for AI 与 Schema 落地 playbook。简而言之，sameAs 表示「本页所述实体就是 wikidata.org/wiki/Q… 对应的实体」，其目标必须是一条可信节点。

4. 如何建立有效的实体节点

以下方法分别对应 §3 中的不同类型。提交条目、认领面板和配置 sameAs 的具体步骤，见 Schema 落地 playbook；如何积累关注度目前还没有对应的操作手册，§8 会再次说明。

这与 实体识别 §4 所说的「身份不是你说有就有」含义相同：自行创建并不足以使节点有效；只有先获得足够的站外关注度，才具备创建节点的条件。存在度是外部佐证长期积累的结果。节点本身是否可信，见 E-E-A-T。

5. 实体存在度在不同平台上的作用

§2、§3 所述的增强机制适用于所有平台，这一点不变。不同之处在于各平台主要使用哪一类节点。

「过度引用」并非主观印象，而有实测数据支持：2025 年的一份引用模式分析显示，Wikipedia 是 ChatGPT 引用次数最多的单一来源，约占全部引用的 7.8%（Profound，AI Platform Citation Patterns）。这是一家厂商的实测数据，只能用于判断大致趋势，不能视为精确系数。

在多语言场景中，同一实体需要在每种语言中分别拥有节点（中文 Wikipedia、Wikidata 与英文版分别计算），具体见 Multilingual GEO。

6. 证据支持哪些结论，又有哪些边界

现有可靠证据支持实体节点能够增强模型认知这一总体结论，但在品牌层面，投入越多是否必然带来更稳定的回报，目前尚无定论。阅读下表时，应像解读 Aggarwal 一样关注总体趋势，不要过度解读具体数字。

现有证据仍有一处空白：生成式引擎优化 所述的代表性方法来自 Aggarwal 等（KDD ‘24，arXiv:2311.09735；论文精读），研究测量的是页内内容改写（增加引用、统计数据和引述），与知识图谱中的实体存在度完全不同。研究得出的「最高约 40%」不能直接用于估算获得 Wikipedia 页面后的效果，否则就属于站内多个条目反复提醒应当避免的过度外推。

这与 实体识别 §6 所说的「靠多方印证，不靠自己说了算」以及 E-E-A-T §6 所说的「靠赢得，不靠贴标签」含义相同：只有获得足够的外部关注度，实体存在度才能成立。缺乏外部佐证、完全由自己创建的节点不构成有效的存在度，只是一项没有依据的声明。

7. 常见错误：强行创建节点与伪造关联

以下误区与 实体识别 §7、品牌提及 §8、Schema.org for AI §7 所讨论的问题属于同一类错误。

总结来说，节点用于汇集外部提及所形成的实体信息，不能由自己强行创建。只有获得足够的站外关注度，才具备建立节点的条件；自行创建却无人佐证的节点，本质上只是一项没有依据的声明。

8. 对 GEO 的意义与后续行动

知识图谱中的实体存在度是实体层的一项基础信号：它能增强模型先验，也为解析提供明确对象。理解这项信号时，还要结合形成它的站外信号（品牌提及）、使用节点完成的解析（实体识别），以及指向节点的标记（Schema.org for AI）。目前仍缺少一部分配套内容：Schema 落地 已经说明如何配置 sameAs，但站外关注度和 Wikipedia 方面暂时还没有现成的操作手册。对应页面尚不存在，因此无法提供链接。

参考资料

学术：

• Kandpal, N., Deng, H., Roberts, A., Wallace, E. & Raffel, C. (2023). Large Language Models Struggle to Learn Long-Tail Knowledge. ICML 2023 (PMLR v202). arXiv:2211.08411
• Mallen, A., Asai, A., Zhong, V., Das, R., Khashabi, D. & Hajishirzi, H. (2023). When Not to Trust Language Models: Investigating Effectiveness of Parametric and Non-Parametric Memories. ACL 2023. ACL Anthology · arXiv:2212.10511
• Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · 论文精读。用于界定结论边界；知识图谱中的实体存在度不是该研究测量的变量

官方：

• Google — Introducing the Knowledge Graph: things, not strings（2012-05-16）：提出「实体，而非字符串」这一模型
• Google Knowledge Panel Help — Get verified on Google：认领知识面板
• Google Search Central — Organization structured data：sameAs「在后台用于把你的组织与其他组织区分开」
• Schema.org — sameAs：「无歧义地标明该项身份的参考网页 URL」

政策：

• Wikipedia — Notability：「获得独立于其自身、可靠来源的大量报道，即被推定为适合收录」
• Wikipedia — Paid-contribution disclosure：付费编辑必须披露
• Wikidata — Notability：条目需对应「一个可清晰辨识的概念或实体，且能以严肃、公开可查的参考来源描述」

业界：

• Profound — AI Platform Citation Patterns（2025-06-05）：Wikipedia 是 ChatGPT 被引用最多的来源（约 7.8%）；看方向，厂商实测