OpenAlex摘要质量危机：八分之一存在完整性问题

系统性评估发现，广泛使用的OpenAlex数据库中12%的英文期刊论文摘要存在完整性问题，内容不足和元数据错位是最主要缺陷。这些问题对基于文献数据的计算科学研究（如知识图谱构建、自动文献综述等）产生深远影响。本文将从背景、方法、发现、影响、根源及应对策略展开分析。

在计算科学和文献计量学领域，论文摘要成为关键研究数据，支撑知识图谱构建、影响力评估、自动综述等应用，其前提是数据质量可靠。OpenAlex作为开放学术数据库，整合2.5亿+学术作品及元数据，是计算科学研究的首选数据源，但此前缺乏对其摘要完整性的系统性评估。

研究团队采用10000篇英文期刊论文摘要样本，通过两阶段标注（人工专家审查+LLM辅助分类）评估，并定义7种完整性失败模式：内容不足、元数据错位、非摘要内容、重复内容、格式错误、语言问题、其他问题。

评估结果显示12%的摘要存在问题。失败模式分布中，内容不足（35%）和元数据错位（30%）占比最高：内容不足表现为摘要过短、重复标题等；元数据错位表现为作者信息、关键词混入摘要，直接影响下游文本分析任务。

问题摘要会导致知识图谱主题聚类失真、自动文献综述训练数据污染、科研政策制定中的研究热点误判等，对计算科学研究的可靠性和准确性造成威胁。

问题根源包括：数据源异质性（不同来源元数据标准不一）、自动化处理局限（PDF解析错误、字段映射错误）、质量控制资源限制（人工审核规模有限）。

研究者应实施数据清洗、样本验证、敏感性分析及透明报告；社区可通过协作平台众包标注和反馈问题；技术上可采用LLM辅助检测、多源验证及出版商合作等方案。

OpenAlex案例揭示开放数据的质量悖论：开放性与质量控制的张力。未来需建立质量评估标准、基准数据集及人机协作质量保证机制，共同解决开放学术数据的质量问题。核心要点：12%摘要有问题，主要缺陷为内容不足和元数据错位，需研究者、社区及技术共同应对。