5.6.md 2.8 KB
5.6 实体标准化与问题实体定位
库存表写“新鲜草莓”，店长说“草莓没了”。这不是两个不同东西。图检索必须先确认店长指的是哪一个对象，才知道从哪里开始找关系。
{{figure:06-link|图 5-9 先把同一个东西的不同叫法连到同一稳定编号。}}
一、一个对象可以有多个名字
“新鲜草莓”有一个固定编号，标准名“新鲜草莓”与已登记别名“草莓”都可以指向它。编号给计算机认对象，名字给人阅读。增加一个别名，不应该再创建一个相同食材节点。
先看处理输入写法的小函数：
{{snippet:normalize}}
它统一兼容字符、空白与大小写，不会凭空知道所有别名。业务简称仍要登记；没有找到名字时，不能随便选一个看起来相似的对象。
二、先处理长名称，再处理里面的短词
如果一句话只问“草莓奶昔由谁做”，应该优先识别完整商品名“草莓奶昔”，不能因为里面出现“草莓”又无条件把原料当作另一个问题对象。项目的链接方法处理名称重叠，并限定当前知识域：
{{snippet:entity-resolve}}
这里同时在做两种判断：是否命中某个名称、多个名称是否在同一段文字中重叠。同一别名对应多个不同对象时需要处理歧义，不能只取字典里的第一个。
三、两家店的同名套餐，不要混在一起
配套的另一门店也有“双人下午茶”，但里面包含原味曲奇，负责人是小方，与当前甜品店的组成和分工不同。图查询中写 知识域 = '甜品店' 时只用当前店的数据；写 知识域 = '另一门店' 时使用实验分店的数据。
知识域过滤让同名对象不串起来，但它还不是完整的身份权限系统。真正供不同员工使用时，需要根据登录身份决定可查询范围，不能让客户端任意指定所有店铺。
四、观察起点，而不是直接看最终答案
python -m graph_qa retrieve \
--question "草莓缺货，为什么双人下午茶也会受影响？" \
--mode graph --scope 甜品店
本题可以识别新鲜草莓和双人下午茶。识别到两个对象，不代表已经证明它们有关系。 后面的查询才负责检查能否找到套餐、蛋糕、果酱与草莓之间的完整路径。
再试一个资料里没有的商品名，观察空候选或证据不足。最后增加一个合理别名、重新导入，验证它仍链接到同一稳定对象。
五、当前方法适合讲清楚什么
确定性的名字与别名匹配容易读懂和测试，但会漏掉未登记叫法，也需要处理过短别名和名称重叠。未来可增加候选检索和消歧模型，仍应保留知识域、歧义和空结果边界。下一节从这些已定位对象出发，真正把路径查出来。