Skip to content

Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.

增加交叉引用、社交网络测试文本

rizrock0f4ace1a03e6
diff --git a/hyperextract/templates/presets/general/compliance_logic.yaml b/hyperextract/templates/presets/general/compliance_logic.yaml
index 5585069..047c6f2 100644
--- a/hyperextract/templates/presets/general/compliance_logic.yaml
+++ b/hyperextract/templates/presets/general/compliance_logic.yaml
@@ -3,14 +3,14 @@ name: compliance_logic
type: hypergraph
tags: [general]
description:
- zh: '规定条文超图 - 面向制度、细则、办法、规范、指引、规程等规定类文本,提取条文中涉及的基本主体及其行为。'
+ zh: '规定条文超图 - 面向制度、细则、办法、规范、指引、规程等规定类文本,提取条文中涉及的名词性要素,并用 action 概括这些要素之间被要求执行的行为。'
output:
description:
- zh: '由主体/行为节点和规定超边组成的结构化结果。节点只保留条文中的基本主体与行为;超边表示一条独立规定,并概括该规定在要求什么。'
+ zh: '由名词性实体节点和规定超边组成的结构化结果。节点只保留规定中涉及的人、部门、文件、场所、物品等要素;超边表示一条独立规定,action 用于概括这些要素之间被要求执行的行为。'
entities:
description:
- zh: '规定涉及的基础节点。只提取主体和行为两类节点,不提取条件、结果、章节标题或整句规定。'
+ zh: '规定涉及的基础节点。只提取名词或名词短语,不提取动作本身。'
fields:
- name: name
type: str
@@ -19,16 +19,16 @@ output:
- name: category
type: str
description:
- zh: '实体类型,只能是“主体、行为”两种。主体是人、部门、组织或角色;行为是主体执行、被要求执行或被禁止执行的动作短语。'
+ zh: '实体类型,应尽量使用清晰、稳定的名词类别,如人员、部门、组织、岗位、文件表单、证件、场所、设备、物品、时间要求、其他。'
- name: description
type: str
description:
- zh: '用一句话说明该主体或行为在条文中的含义。'
+ zh: '用一句话说明该实体在当前规定中的含义或作用。'
required: false
default: ''
relations:
description:
- zh: '表达规定条文的超边。每条超边对应一条独立规定,由相关主体和行为构成。'
+ zh: '表达规定条文的超边。每条超边对应一条独立规定,由相关实体构成,action 负责概括这些实体之间被要求执行的行为。'
fields:
- name: ruleType
type: str
@@ -37,11 +37,11 @@ output:
- name: participants
type: list[str]
description:
- zh: '构成该条规定基本内容的节点名称列表,必须直接使用已提取节点的 name。通常只包含主体和行为。'
+ zh: '构成该条规定基本内容的实体名称列表,必须直接使用已提取节点的 name。只放实体,不要把动作短语放进 participants。'
- name: action
type: str
description:
- zh: '该条规定涉及的核心行为概括,用 1 句话说明主体要做什么。'
+ zh: '该条规定涉及的核心行为概括,用 1 句话说明这些实体之间被要求执行什么行为。action 承担行为表达,不要把 action 再拆成实体。'
- name: sourceClause
type: str
description:
@@ -51,22 +51,58 @@ output:
guideline:
target:
- zh: '你是一位规定条文结构化分析专家。请从规定类文本中提取每条规定涉及的基本主体,以及这些主体对应的行为。'
+ zh: '你是一位规定条文结构化分析专家。请从规定类文本中提取每条规定涉及的名词性要素,并用 action 写清这些要素之间被要求执行的行为。'
rules_for_entities:
zh:
- - '只提取两类节点:主体和行为。不要提取条件、结果、时间、范围、标题或概括性栏目名。'
- - '主体是人、部门、组织或角色;行为是主体执行、被要求执行或被禁止执行的动作短语。'
+ - '提取名词或名词短语形式的实体'
+ - '优先提取规定中真正参与行为的要素,如人员、岗位、部门、组织、文件表单、证件、场所、设备、物品、时间要求等。根据文本的具体内容和你的知识来决定具体的类别。'
- 'name 尽量保持原文中的稳定称呼;同一对象不要重复命名。'
- - '例1:原文“访客进入样品库前须登记”,可提取“访客(主体)”和“登记(行为)”。'
- - '例2:原文“值班工程师负责核对设备状态并填写交接记录”,可提取“值班工程师(主体)”和“核对设备状态并填写交接记录(行为)”。'
+ - '如果某个词只是行为本身,例如“登记”“审批”“填写交接记录”,不要单独作为实体。'
+ - '对于“访客证”“登记表”“样品库”“前台”“每日18:00前”这类名词性短语,可以作为实体提取。'
+ - 'category 要尽量使用少数、容易理解的类别,不要为了细分而临时创造模糊类别。'
rules_for_relations:
zh:
- - '每条超边只表达一条独立规定,并连接相关主体和行为。'
- - 'ruleType 优先使用:职责分工、行为要求、流程程序、其他。'
- - 'participants 必须直接引用已提取节点的 name,通常只保留主体和行为。'
- - 'action 用 1 句话概括这条规定中主体要做的行为。'
- - '例1:原文“访客进入样品库前须登记”,可抽为 ruleType=流程程序,participants=[访客, 登记],action=规定访客进入样品库前须登记。'
- - '例2:原文“值班工程师负责核对设备状态并填写交接记录”,可抽为 ruleType=职责分工,participants=[值班工程师, 核对设备状态并填写交接记录],action=规定值班工程师负责核对设备状态并填写交接记录。'
+ - '每条超边只表达一条独立规定,并连接这条规定涉及的相关实体。'
+ - 'ruleType 优先使用:职责分工、行为要求、流程程序、其他。根据文本的具体内容和你的知识来决定具体的类别。'
+ - 'participants 必须直接引用已提取节点的 name,只放名词性实体,不放动作短语。'
+ - 'action 用 1 句话概括这条规定要求这些实体之间发生什么行为。'
+ - |
+ 完整示例(输入):
+ 1. 访客进入样品库前,应在前台登记并领取访客证。
+ 2. 安全部门每日18:00前回收当日访客证,并存档登记表。
+ - |
+ 完整示例(输出):
+ entities:
+ - name: 访客
+ category: 人员
+ description: 进入样品库并需履行登记要求的外来人员。
+ - name: 样品库
+ category: 场所
+ description: 访客进入前需要满足规定要求的区域。
+ - name: 前台
+ category: 场所
+ description: 办理登记和领取访客证的地点。
+ - name: 访客证
+ category: 证件
+ description: 访客登记后领取并在离开前回收的证件。
+ - name: 安全部门
+ category: 部门
+ description: 负责回收访客证并保存记录的管理部门。
+ - name: 登记表
+ category: 文件表单
+ description: 记录访客登记信息并需要存档的表单。
+ - name: 每日18:00前
+ category: 时间要求
+ description: 安全部门执行回收和存档要求的截止时间要求。
+ relations:
+ - ruleType: 流程程序
+ participants: [访客, 样品库, 前台, 访客证]
+ action: 规定访客进入样品库前,应在前台登记并领取访客证。
+ sourceClause: 1
+ - ruleType: 流程程序
+ participants: [安全部门, 访客证, 登记表, 每日18:00前]
+ action: 规定安全部门每日18:00前回收当日访客证,并存档登记表。
+ sourceClause: 2
identifiers:
entity_id: name
diff --git a/tests/test_data/test_samples/zh/general/cross_reference_coffee.md b/tests/test_data/test_samples/zh/general/cross_reference_coffee.md
new file mode 100644
index 0000000..9c4289d
--- /dev/null
+++ b/tests/test_data/test_samples/zh/general/cross_reference_coffee.md
@@ -0,0 +1,63 @@
+# 咖啡
+
+**饮品类型**:含咖啡因饮品
+**主要原料**:咖啡豆、水
+**常见饮用场景**:早餐、社交、办公、休闲
+
+---
+
+## 概述
+
+**咖啡**是以烘焙后的咖啡豆为主要原料制成的饮品,也是现代城市生活中最常见的热饮之一。它可以单独饮用,也常与牛奶、糖浆、奶油等材料搭配,形成风味差异明显的饮品类型。由于咖啡具有提神作用,人们通常把它视为工作日清晨、午后休息和社交会面的常见选择。
+
+在日常经验中,咖啡经常与**茶**并列讨论,两者都是广泛流行的含刺激性成分饮品,但风味、制作方式和消费文化各不相同。若从成分角度理解咖啡的提神作用,则通常需要进一步参见“**咖啡因**”。
+
+---
+
+## 原料与名称
+
+咖啡所用的原料来自咖啡树的种子,也就是通常所说的咖啡豆。咖啡豆在采收之后,需要经过处理、干燥、烘焙和研磨等步骤,才会进入冲煮环节。烘焙程度会明显影响苦味、酸味和香气,因此许多介绍咖啡的文章,都会顺带提到“**烘焙**”与“**研磨**”。
+
+在大众消费场景中,人们往往不直接接触生豆处理过程,而是通过门店饮品、挂耳包、速溶产品或家用器具接触咖啡。也因此,通俗条目往往不会把重点放在农业生产,而是更多介绍成品风味、冲煮方法和饮用文化。
+
+---
+
+## 历史传播
+
+咖啡原本并不是全球性的日常饮品,它的传播经历了较长的历史过程。随着贸易网络扩张、殖民种植体系形成以及城市公共生活的发展,咖啡逐渐从区域性饮品变成跨文化消费品。到了近现代,咖啡不仅是一种饮料,也成为商业空间、阅读、写作和社交活动的一部分。
+
+在欧洲城市史和近代公共文化研究中,咖啡经常与“**咖啡馆**”一起被讨论,因为许多思想交流、文学活动和市民聚会都与咖啡馆空间有关。关于这种空间形态及其社会功能,通常可另见“咖啡馆”。
+
+---
+
+## 制作方式
+
+咖啡的风味不仅取决于豆种,也受冲煮方式影响。家用环境中常见的方法包括滴滤、浸泡、法压和胶囊机冲煮;在专业门店里,则常见以高压萃取为基础的**浓缩咖啡**。浓缩咖啡既可以单独饮用,也可以作为其他饮品的基底,因此很多咖啡知识条目都会把“浓缩咖啡”列为相关条目。
+
+以浓缩咖啡为基础加入蒸汽牛奶,通常会制成**拿铁**;加入比例不同的牛奶与奶泡,则可能形成**卡布奇诺**。如果从家庭制作和风味控制的角度介绍咖啡,文本又常会转向“**手冲咖啡**”,因为它更能体现水温、研磨和注水方式对风味的影响。
+
+因此,在饮品分类方面,咖啡这个总条目往往会与“浓缩咖啡”“拿铁”“卡布奇诺”“手冲咖啡”等条目发生稳定的交叉引用关系。
+
+---
+
+## 风味与成分
+
+咖啡的风味通常由酸味、苦味、甜感、醇厚度和香气层次共同构成。不同产地、不同烘焙方式以及不同萃取方法,会让同一种豆子呈现出明显不同的口感。对普通消费者来说,最容易感知到的成分影响仍然是其中的**咖啡因**。关于咖啡对清醒度、睡眠和心率的影响,通常不会在“咖啡”条目中展开,而是另外参见“咖啡因”。
+
+在饮品比较中,咖啡也常与**可可**或茶相互对照。与可可相比,咖啡通常更强调烘焙香和苦味;与茶相比,咖啡在现代消费语境里更常与外带、门店和办公场景联系在一起。关于这类比较性阅读,可参见“茶”与“可可”。
+
+---
+
+## 日常文化
+
+在许多国家和地区,咖啡早已超出饮料本身,成为日常节奏的一部分。人们会在通勤途中购买咖啡,在会议间隙短暂停留,也会把周末逛店和品尝新豆当作休闲活动。随着连锁品牌、独立门店和居家冲煮设备的普及,咖啡消费已经形成了非常丰富的层次。这种文化也让“咖啡”与“咖啡馆”之间保持着稳定联系。对很多读者来说,理解咖啡并不只是理解一种液体,更是在理解一种围绕空间、社交和消费方式展开的城市经验。
+
+---
+
+## 健康与争议
+
+关于咖啡是否健康,长期以来一直存在不同观点。支持者通常强调适量饮用对提神和维持注意力的帮助,批评者则担心高频摄入会影响睡眠、焦虑水平或心血管状态。由于这些讨论多数都与咖啡因摄入量直接相关,因此相关资料往往会把讨论进一步引向“咖啡因”。
+
+此外,速溶咖啡、连锁门店饮品和精品咖啡之间的差异,也常被消费者和媒体拿来讨论。争议的焦点通常不在“咖啡是不是咖啡”,而在风味标准、添加成分、价格体系以及消费体验上。
+
+---
diff --git a/tests/test_data/test_samples/zh/general/social_network_entrepreneur_story.md b/tests/test_data/test_samples/zh/general/social_network_entrepreneur_story.md
new file mode 100644
index 0000000..e43dfbe
--- /dev/null
+++ b/tests/test_data/test_samples/zh/general/social_network_entrepreneur_story.md
@@ -0,0 +1,37 @@
+# 她把实验室方法带进医院:林知遥和云帆智能的五年
+
+**文章来源**:城市商业人物
+**栏目**:创业者观察
+**发布时间**:2026年3月
+
+---
+
+很难用一个单一身份概括 **林知遥**。在投资人那里,她是 **云帆智能** 的创始人兼首席执行官;在医院客户口中,她更像一个能把模型讲明白、也能把落地细节盯到底的人;而在 **清河大学人工智能实验室** 的老师和同学眼里,她仍然是当年那个做事很快、开会常坐第一排的学生。
+
+林知遥出生在杭州一个典型的知识家庭。父亲 **林国盛** 是建筑设计师,母亲 **许曼青** 在出版社做编辑,家里经常围着一张餐桌讨论行业新闻和书稿选题。她比妹妹 **林雨薇** 大六岁。林雨薇后来成了纪录片导演,姐妹俩工作都忙,但逢年过节通常还是由林雨薇负责拍照、林知遥负责把家宴时间一一敲定。林知遥刚创业那两年,办公室最早挂在墙上的一张团队合影,就是林雨薇替她拍的。
+
+本科时,林知遥就读于清河大学计算机系。真正影响她职业方向的,是研究生阶段进入清河大学人工智能实验室之后的几年。实验室负责人 **沈伯文** 是国内较早做医疗智能决策研究的学者之一。林知遥第一次见到沈伯文时,对方刚从医院合作现场回来,鞋上还沾着雨水。后来她在很多场合都提到,自己最初理解“算法不是论文里的算法,而是场景里的算法”,就是那天从沈伯文那里听来的。
+
+在实验室里,林知遥和博士师姐 **何梦** 走得很近。何梦负责医疗数据项目,林知遥常跟着她一起去医院整理标注流程、和医生确认字段口径。两人后来回忆起那段日子,都说最难熬的不是模型调参,而是为了一个病种分层标准反复和临床团队开会。有段时间,何梦几乎每天都会在晚饭后把林知遥叫回实验室补实验记录,林知遥则负责把第二天要讨论的图表重新画一遍。
+
+也是在清河大学,林知遥认识了 **周恺**。两人原本是本科同学,真正熟起来是在一次跨学院机器学习竞赛之后。周恺擅长系统架构,林知遥更能把问题拆开讲透,毕业前后,他们几乎参加了所有能组队的项目。后来周恺继续在校做联合培养研究,常去沈伯文团队旁听组会。实验室的人习惯把他算作“半个自己人”,林知遥直到现在还会在公开演讲里把周恺叫作“老同学”。
+
+2022 年,林知遥和周恺一起创办了云帆智能。公司起步时只有十来个人,林知遥负责对外融资、行业合作和整体产品方向,周恺带着工程团队搭底层系统。早期员工回忆,那时公司最大的会议室其实是一间临时改出来的储物间,林知遥经常一边跟客户开视频会,一边让周恺在白板上重画部署架构。等公司开始有了明确分工,周恺的团队仍然直接向林知遥汇报重要技术路线,内部评审会上,最后拍板的人通常也是她。
+
+何梦是在 2023 年加入云帆智能的。她从实验室转到公司后,负责产品和医院交付,工位离林知遥办公室很近。公司员工说,何梦进门不用敲门,因为她经常拿着一摞需求文档直接进去,十几分钟后再出来把修改意见发给项目组。虽然两人现在一个管业务决策、一个管产品推进,但很多同事都能看出来,她们沿用的还是当年在实验室里的配合方式。
+
+技术线的另一位关键人物是 **陈溪**。陈溪比周恺低几届,早年在实验室做过工程实现,加入云帆智能后成了算法负责人。周恺开技术例会时,经常让陈溪先汇报模型表现,再由自己补充资源安排。公司里不少人都知道,只要是涉及训练平台和推理服务的事,周恺通常先找陈溪。陈溪也不避讳这一点,他接受采访时说,自己今天很多工程习惯都来自周恺带他的那段时间。
+
+负责商业化的是 **苏曼**。她原来在投资机构做医疗赛道研究,转到云帆智能后,几乎把全国重点客户跑了一遍。苏曼第一次和林知遥出差去上海时,两人在高铁上对着一页医院采购清单讨论了两个小时。后来云帆智能能和多家三甲医院建立试点,很多具体沟通都是苏曼和何梦一起完成的:一个负责把临床诉求讲清楚,一个负责把产品排期压下来。公司内部有人开玩笑说,只要苏曼和何梦同时消失在工位上,多半就是又有医院项目要落地了。
+
+云帆智能真正被行业注意到,是因为和 **安澜医疗集团** 的长期合作。安澜医疗集团首席信息官 **韩亦成** 最初是在一次论坛上认识林知遥的。那场论坛结束后,韩亦成没有离场,而是在会场外又跟她聊了将近半小时,从数据治理谈到模型审计。几个月后,云帆智能开始参与安澜医疗集团的辅助诊断平台建设。此后很长一段时间里,何梦和韩亦成的团队每周都要开项目例会,连安澜内部的人都知道,碰到需求收口困难的时候,韩亦成通常会直接点名让何梦来协调。
+
+沈伯文虽然没有正式加入云帆智能,但一直与这家公司保持联系。云帆智能做核心算法评审时,偶尔会把方案拿回学校,请沈伯文看看实验设计是否扎实。公司成立第三年时,林知遥还带着周恺专门回过一次清河大学,和沈伯文在实验室会议室里聊了一整个下午。后来林知遥对外只轻描淡写地说,那是一次“很像答辩”的交流。
+
+不过,医疗影像智能这个赛道从来不只属于一家创业公司。云帆智能最常被拿来比较的对象,是 **北辰科技**。北辰科技创始人 **赵聿新** 和林知遥年纪相仿,两人每年都会在几场行业论坛上同台,却很少在公开场合正面评价对方。几家医院信息中心负责人提到,在同一个项目招标周期里,云帆智能和北辰科技常常会先后进场做方案演示,最后比的不只是模型效果,还有实施团队的反应速度。
+
+北辰科技的首席架构师 **顾明川** 也是周恺特别关注的人。两家公司技术团队在行业闭门会上不止一次讨论过推理效率与成本问题,周恺私下承认,顾明川做系统优化很有一套。对外时他当然不会这么说得太直白,但公司工程师都明白,周恺每次拿到北辰科技的新公开材料,都会先发给陈溪看。
+
+这条竞争线里也夹着一点旧人旧事。北辰科技市场副总裁 **唐颖** 早年和何梦在同一家公司待过,后来各自去了不同方向。虽然现在分属两家竞争企业,但两人碰到行业大会时还是会站在走廊上聊几句,有时候甚至会交流会务安排和客户作息。熟悉她们的人都知道,这种克制的寒暄背后,藏着的是多年职场同路人的默契。
+
+林知遥很少在采访里谈“关系网络”这个词。她更愿意把自己的工作描述成一连串具体的合作:和周恺把系统搭起来,和何梦把产品推下去,和苏曼一起把客户谈明白,再和韩亦成这样的人把项目真正落到医院里。只是从外部看,过去五年里围绕她形成的,早已不只是一个创业团队,而是一张把学校、公司、医院和竞争对手都连在一起的人物网络。