bxh/docs/kg-redesign/autoschema_kg_adaptation.md

AutoSchemaKG 思路在 new2 中的落地方式

参考：

• Paper: https://arxiv.org/abs/2505.23628
• GitHub: https://github.com/HKUST-KnowComp/AutoSchemaKG
• 代码中可重点参考：
  • atlas_rag/kg_construction/triple_extraction.py
  • atlas_rag/kg_construction/concept_generation.py

不能照搬的部分

AutoSchemaKG 偏开放域文本 KG，目标是无需预定义 schema 自动构建 ATLAS。当前项目是城市知识图谱，已经有高德 POI 这种结构化、高可信、带坐标的数据源。因此 new2 不应完全抛弃领域锚点，而应采用混合架构：

结构化高可信数据：作为 Anchor Layer
非结构化多源数据：作为 Evidence Layer
LLM 抽取：产出 Candidate Knowledge
Schema 自动演化：只生成 Proposal，不直接改生产图谱

要吸收的核心思想

AutoSchemaKG 的关键不是“多抽几个三元组”，而是：

1. 抽取阶段覆盖实体、事件、实体关系、事件关系。
2. 把 Relation 本身也作为可概念化对象。
3. 通过 Conceptualization 给实例和关系建立抽象语义桥。
4. Schema 不是一次写死，而是由数据持续诱导与修正。

对应到 new2：

stage_1: Entity-Entity Relation
stage_2: Entity-Event Participation / HappensAt
stage_3: Event-Event Relation
stage_4: Concept Induction
stage_5: Schema Proposal & Review

new2 的统一抽取输出

每次抽取必须输出：

{
  "entities": [],
  "events": [],
  "concepts": [],
  "relations": [],
  "statements": [],
  "schema_proposals": [],
  "evidence_links": []
}

其中：

• entities：现实对象，例如地点、机构、人物、设施。
• events：有时间锚点或动作过程的事实。
• concepts：抽象类别、主题、场景、标签、业务语义。
• relations：关系类型定义或候选关系。
• statements：带主语、谓词、宾语、证据、置信度的候选事实。
• schema_proposals：模型发现的新类型、新字段、新关系建议。

Schema Auto 更新原则

模型不能直接修改正式 schema。正确流程是：

抽取发现新类型/字段/关系
  -> 写入 schema_proposals
  -> 合并相似 proposal
  -> 统计证据数量、来源数量、置信度
  -> 人工审核
  -> 生成 schema version
  -> 后续抽取使用新版本 schema

城市领域初始 Seed Schema

城市 KG 先给一个轻量 seed，不要过度建模：

Entity:
  Place, Area, Organization, Person, Facility, Product, Route

Event:
  OpeningEvent, RenovationEvent, FestivalEvent, HistoricalEvent,
  AwardEvent, OperationChangeEvent, IncidentEvent

Concept:
  NightTour, LocalFood, HistoricalLandmark, BusinessDistrict,
  FamilyFriendly, FirstTimerFriendly, CulturalTourism, TransitConvenient

Relation:
  LOCATED_IN, NEAR, IN_CELL, HAS_CONCEPT, HAS_EVENT, SUPPORTED_BY,
  OPERATED_BY, HAS_FACILITY, PARTICIPATED_BY, BEFORE, AFTER, RELATED_TO

后续业务迁移时，只替换 seed schema 与 prompt，不替换 KG 内核。