Initial travel knowledge graph release

schema搭建/city_poi_schema_v0_1/extraction_constraints.md

@@ -0,0 +1,50 @@
+# 城市 POI 证据抽取约束 v0.1
+
+## 1. 证据优先
+
+- 每个事实必须来自原文 Markdown 或高德 POI anchor 字段。
+- 证据中没有出现的字段不能编造。
+- 只能用短引文作为 `source_spans.quote`，不能把整篇文章复制进抽取结果。
+- 百度百科原文可作为公开百科证据，但仍需和高德 POI、官方文旅/机构网站、点评/社媒证据交叉验证。
+
+## 2. 实体对齐
+
+先判断证据是否指向当前高德 POI：
+
+- 名称一致或别名一致。
+- 地址/区县/城市一致。
+- 类别一致或可解释为同一业务场景。
+- 如果百科词条跳到同名词条或更大区域，必须标记为 `entity_match=false` 或 `needs_review=true`。
+
+禁止因为文本中出现一个地点名就新建重复 POI。新实体只可作为 `Facility`、`Area`、`Organization`、`Person`、`Route`、`ProductOrService` 等附属实体进入候选层。
+
+## 3. 字段写入
+
+- 高德字段：名称、坐标、地址、区县、typecode 是 anchor，不被百科/社媒直接覆盖。
+- 软字段：历史、特色、服务、路线、价格提示、开放时间、适用人群等可以由证据补充。
+- 冲突字段：如果不同来源有矛盾，写入 `conflict` 或人工审核，不自动覆盖。
+- 时效字段：营业时间、价格、电话、评分等必须带来源时间；旧百科内容只能作为低时效证据。
+
+## 4. Schema Proposal
+
+发现稳定但 schema 中没有的字段/关系时：
+
+```json
+{
+  "proposal_type": "field|relation_type|entity_type|event_type|concept_type",
+  "name": "字段或关系名",
+  "reason": "为什么城市 KG 需要它",
+  "examples": ["来自原文的短证据"],
+  "confidence": 0.0
+}
+```
+
+proposal 只进入候选区，不能直接升级生产 schema。
+
+## 5. 场景抽取优先级
+
+1. 先抽通用字段：名称、别名、地址、区县、类别、开放时间、价格、联系方式、官方网站/来源。
+2. 再抽场景字段：例如景点的门票/路线/历史，美食的招牌菜/口味，医疗的科室/急诊。
+3. 最后抽关系：位于、邻近、包含设施、运营单位、提供服务、相关事件、适合人群。
+4. 不确定内容进入 `uncertain` 或 `schema_proposals`，不进入正式事实。
+