bxh/schema搭建/city_poi_schema_v0_1/extraction_constraints.md

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：

{
  "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。