SciGraphSelect 是一个基于参考的可审计数据选择框架。它将领域知识、可复用的推理操作以及参考文献中确认的关系组织成带类型的知识‑推理图。候选文档的评分依据概念覆盖度、关系与路径的共同支持以及方向对齐度进行计算。为防止对文档嵌入的过度解释，参考侧的丰富关系结构被完整保留，而候选侧的证据则以保守方式处理，不假设关系蕴含。通过显式展示每一次选择背后的参考证据，SciGraphSelect 为科学训练语料的上游构建提供可追溯性，并与下游的科学验证形成互补。
点评：该框架在保持语义关联的同时，引入了可解释的评分机制，为大规模科学数据的筛选提供了可靠的审计路径。