研究证据图谱的完整实现

13.1 范围与虚构来源集合

本章为小型研究团队提出原创实现设计，目标是在保留来源并允许纠正的条件下，回答检索方法的证据问题。起始集合由三份虚构文档和少量明确编造的记录组成，规模刻意保持到可人工检查。后续可以扩展，但首先应让每次变换都可理解、可测试。

文档P1日期为2025年2月，报告GraphLens与PathSearch在数据集D版本1上的评价；P2日期为2025年5月，在D版本2上重复比较，得到不同结果；P3日期为2025年6月，更正P1的一个元数据字段，并指出一项得分使用了不同查询子集。这些都不是真实出版物，使用虚构名称是为了避免把案例误认为真实方法的实证主张。

能力问题必须具体：哪些结果比较相同数据集版本和指标下的两种方法？哪个主张依赖被更正的查询子集？哪些来源支持改进陈述，哪些条件使结果不能直接比较？系统应附来源回答；除非聚合政策和可比证据支持，否则不应给出总体胜者。

13.2 最小模式与记录

最小模式包含Document、SourceSpan、Person、Method、Dataset、Evaluation和Claim。文档有本地标识、标题、版本、日期和内容哈希；来源片段有定位及文档版本引用；评价连接比较方法、数据集版本、指标与报告测量；主张表达解释后的结果，并连接相关评价及来源证据。审核状态属于主张记录，书目身份属于文档。

合成测量采用规定查询集上的平均倒数排名。P1报告D版本1上GraphLens为0.42、PathSearch为0.38；P2报告D版本2上分别为0.40与0.41。这些编造数值支持两项限定情境的比较，却不能在不考虑查询集、不确定性和评价协议时直接平均。P3更正进一步凸显了可比性问题。

对于P1，图谱可存储“在所述评价条件下，GraphLens报告得分更高”这一归属于来源的主张，不能存成“GraphLens普遍优于PathSearch”。P2则保留另一数据集版本下的结果。比较视图并列显示两种情境及更正说明。图谱价值是保留解释分歧所需的结构，而非强行把文档压成一条不带限定的边。

13.3 导入与验证

导入先保存不可变来源版本并解析文档结构，识别候选实体，链接本地方法与数据集登记库，再输出带来源定位和明确缺失字段的候选评价。不能凭一般知识补造置信区间或查询数。验证器检查标识、数值类型、关系方向及必需情境。

首轮人工审核聚焦比较含义与更正范围：P3改变了数值、适用人群，还是只改描述字段？区别决定哪些记录需要修订。若更正影响可比性却不改变原始测量，应保留原结果并增加限定；删除整个结果会丢失历史，并夸大更正的影响。

已接受发布获得快照标识和简短清单，列出来源版本、模式版本、抽取配置与审核决策。搜索索引和生成摘要均记录该快照。后续重处理可以提出变化，而不改变当前已接受视图，使模型实验与用户持续研究所需的稳定基础共存。

13.4 查询已接受证据

有界查询可以检索指定数据集关联的已接受主张及来源片段。以下Cypher示例说明属性图实现的预期模式，假定采用刚才描述的模式并绑定数据集标识参数。它是教学示例，并非在用户已有数据库上执行的命令。本报告不涉及数据库凭据、部署路径或私人记录。

MATCH (c:Claim {status: 'accepted'})-[:BASED_ON]->(e:Evaluation)
      -[:USES_DATASET]->(d:Dataset {id: $dataset_id})
MATCH (c)-[:EVIDENCED_BY]->(s:SourceSpan)-[:IN_DOCUMENT]->(p:Document)
RETURN c.id, c.text, p.id, s.locator
ORDER BY c.id

查询返回证据记录，而非自由生成的结论；呈现层可以一起显示主张、文档和定位。多段来源共同支持同一主张时，应分组显示，不能每段算作一项独立研究。如果权限限制移除了一个来源，系统也不能暗示剩余可见集合已完整，应说明可访问证据的范围与限制。

对应RDF实现可以用IRI和谓词表达相同领域实体，再使用SPARQL图模式；两个版本的语义设计应保持可识别的一致性。案例旨在说明存储选择改变查询语法，却不必改变核心证据约定。转换应检验限定、身份与来源，而不能只看节点数相同。

13.5 智能体交互与纠正

若用户问“GraphLens是否优于PathSearch”，智能体应解析方法身份，检索两次评价和更正，说明虚构证据在不同条件下报告不同结果，并具体指出条件。现有记录不能确立普遍胜者。回答仍可简洁：并列两项结果，说明更正，再指出还需什么比较。

用户提供P3并要求更新图谱时，智能体准备包含受影响主张、证据定位、限定和预期快照的变更建议。验证器检查建议，配置的审核政策决定是否可自动接受。写入记录新状态及来源，依赖摘要被标为过时，并在再次作为当前证据提供前重新生成。

若抽取错误地把GraphLens链接到无关产品，修复应作用于提及到实体的映射，来源保持完整。系统识别依赖错误映射的主张和摘要，修订并记录修复。这说明身份决策为何必须可撤销：如果曾覆盖来源名称并丢弃映射，同样纠正就会困难得多。

13.6 实现测试

首项验收检查身份：P1、P2中的GraphLens归到预期方法，同名无关实体保持分开。第二项检查情境：数据集版本与查询子集不混淆。第三项检查证据：每项接受的比较能定位精确来源。第四项检查更正传播：P3更新相关视图，使依赖摘要失效，却不抹去无关结果。

检索测试同时提出局部事实问题和含糊全局问题。局部问题返回指定得分及情境，全局问题保留分歧、避免无依据排名。访问测试撤销P2权限，验证其直接结果和派生摘要都不泄漏；恢复测试重试中断更新，确认幂等键防止重复。

性能测试应在语义正确之后进行。团队在代表文档上测量导入时间、审核投入、查询延迟和证据包大小，再决定是否增加索引、缓存或更高级检索，使优化针对真实瓶颈。小而可靠的系统，比无法检查正确性的大型演示更适合作为扩展基础。

13.7 分阶段交付计划

第一阶段确定范围、标识、最小模式和人工核验种子集合；第二阶段自动解析与抽取到暂存区，并作审核和错误分析；第三阶段增加有界检索与证据性回答；第四阶段加入受控更新、更正传播和监测。更自主的规划要在前述能力测量后引入。这是按依赖关系组织的阶段，不是固定日历承诺。

每阶段都应有退出标准：种子图能回答能力问题，抽取在留出文档上达到本地质量阈值，检索找到代表问题所需证据，更新保留来源并能从失败恢复。这为本地Neo4j项目提供实施路径，也适用于RDF或其他后端。核心交付是可信证据工作流，数据库为该工作流服务。