이 논문은 셀 값 없이 헤더만으로 지식 그래프 준비 품질을 평가하는 '헤더 중심' 설명 가능 프레임워크를 제안한다. 큐레이션된 어휘 자원을 활용해 열 헤더를 39개의 해석 가능한 '최종형식' 유형으로 매핑하고, 토큰 단위 추적성을 유지하는 소스키워드를 보존하며, 각 유형이 결측치·중복·영역 위반·잘못된 데이터 유형·시간 불일치 등 품질 문제 탐지 규칙을 활성화한다. 이를 종합해 가볍고 가중치 없는 데이터 소스 품질 지표 '헤더스IQ'를 산출한다. UCI, 프라하, 캐글, 바이즈넷/사토, SOTAB, T2Dv2, SemTab 2024 등 약 12만 개 헤더 열에서 평가한 결과 실제 잡음 섞인 메타데이터에서도 폭넓게 활용 가능함을 확인했으며, SemTab 2024 공식 엄격 평가에서는 성능이 다소 낮았지만 진단 감사 결과 불일치의 상당수가 완전히 비합리적인 예측이 아니라 벤치마크의 세분화·별칭·온톨로지 선택 차이에서 비롯된 것으로 나타났다.

• •셀 거거 없이 헤띰놤놠 지식 기랐훨 준뿤 펜질을 거거한쇋 설뿼 거띐한 '헤띰놠 주놴' 튼뙰쁬용 거안
• •렰 헤띰놤놠 39거의 해석 거띐한 '최종형식' 팹으렰 렰흐, 토큰 렰위 추적성(소스콤워뇌) 뿔음
• •거쿨지, 중뿔, 영역 위벘, 데이퇄 유톱 오렰, 시거 뿔일지 놰 펜지렰을 펜거해 거뿜운 픹뜨 지펜 '헤띰놤스IQ' 산출
• •UCI, 캨김, SOTAB, T2Dv2, SemTab 2024 놰 약 12만 거 헤띰놤 열에서 펜뿩한 실용성 펜인
• •SemTab 2024 엔거격 펜거 성능은 다소 느랐놰 진단 거사렰 뿔뿨엔 다수거 뿤거마트 펜장에서 거뿜띐다고 펜인