输出

默认管道生成一系列与概念知识模型对齐的输出表。 此页面描述了详细的输出表架构。 默认情况下，我们将这些表作为 parquet 文件写入磁盘。

共享字段

所有表都有两个标识符字段

名称	类型	描述
id	str	生成的 UUID，确保全局唯一性
human_readable_id	int	这是每次运行递增的短 ID。 例如，我们将此短 ID 与生成的摘要一起使用，这些摘要会打印引文，以便易于视觉交叉引用。

社区

这是 Leiden 生成的最终社区列表。 社区是严格分层的，随着集群亲和力的缩小，细分为子社区。

名称	类型	描述
community	int	Leiden 生成的社区集群 ID。 请注意，这些 ID 随深度递增，因此在社区层次结构的所有级别中都是唯一的。 对于此表，human_readable_id 是社区 ID 的副本，而不是简单的递增。
parent	int	父社区 ID。
children	int[]	子社区 ID 列表。
level	int	社区在层次结构中的深度。
title	str	社区的友好名称。
entity_ids	str[]	作为社区成员的实体列表。
relationship_ids	str[]	完全位于社区内的关系列表（源和目标都在社区内）。
text_unit_ids	str[]	社区内表示的文本单元列表。
period	str	摄取日期，用于增量更新合并。 ISO8601
size	int	社区的大小（实体计数），用于增量更新合并。

社区报告

这是每个社区的汇总报告列表。

名称	类型	描述
community	int	此报告适用的社区的短 ID。
parent	int	父社区 ID。
children	int[]	子社区 ID 列表。
level	int	此报告适用的社区级别。
title	str	报告的 LM 生成的标题。
summary	str	报告的 LM 生成的摘要。
full_content	str	LM 生成的完整报告。
rank	float	基于成员实体显着性的报告的 LM 导出的相关性排名
rating_explanation	str	LM 导出的排名解释。
findings	dict	LM 导出的社区前 5-10 个见解列表。 包含 summary 和 explanation 值。
full_content_json	json	LM 返回的完整 JSON 输出。 大多数字段都提取到列中，但此 JSON 会发送以进行查询汇总，因此我们将其保留，以便最终用户可以通过提示调优来添加字段/内容。
period	str	摄取日期，用于增量更新合并。 ISO8601
size	int	社区的大小（实体计数），用于增量更新合并。

协变量

（可选）如果启用了声明提取，则这是提取的协变量列表。 请注意，声明通常围绕识别恶意行为（例如欺诈）而定向，因此它们并非对所有数据集都有效。

名称	类型	描述
covariate_type	str	使用我们的默认协变量时，这始终为“claim”。
类型	str	声明类型的性质。
描述	str	LM 生成的行为描述。
subject_id	str	源实体（即执行声明行为的实体）的名称。
object_id	str	目标实体（声明行为对其执行）的名称。
status	str	LM 导出的对声明正确性的评估。 [TRUE、FALSE、SUSPECTED] 之一
start_date	str	LM 导出的声明活动开始时间。 ISO8601
end_date	str	LM 导出的声明活动结束时间。 ISO8601
source_text	str	包含声明行为的文本短字符串。
text_unit_id	str	从中提取声明文本的文本单元的 ID。

文档

导入后文档内容的列表。

名称	类型	描述
title	str	文件名，除非在 CSV 导入期间另有配置。
text	str	文档的全文。
text_unit_ids	str[]	从文档中解析的文本单元（块）的列表。
metadata	dict	如果在 CSV 导入期间指定，则这是文档的元数据字典。

实体

LM 在数据中找到的所有实体的列表。

名称	类型	描述
title	str	实体的名称。
类型	str	实体的类型。 默认情况下，这将是“organization”、“person”、“geo”或“event”，除非配置不同或使用自动调优。
描述	str	实体的文本描述。 实体可能存在于许多文本单元中，因此这是所有描述的 LM 导出的摘要。
text_unit_ids	str[]	包含实体的文本单元列表。
frequency	int	实体所在的文本单元的计数。
degree	int	图中节点的度数（连通性）。
x	float	用于视觉布局的节点的 X 位置。 如果未启用图嵌入和 UMAP，则这将为 0。
y	float	用于视觉布局的节点的 Y 位置。 如果未启用图嵌入和 UMAP，则这将为 0。

关系

LM 在数据中找到的所有实体到实体关系的列表。 这也是图的*边列表*。

名称	类型	描述
source	str	源实体的名称。
target	str	目标实体的名称。
描述	str	关系的 LM 导出的描述。 另请参阅实体描述的注释。
weight	float	图中边的权重。 这是从每个关系实例的 LM 导出的“强度”度量中求和得出的。
combined_degree	int	源节点和目标节点度数之和。
text_unit_ids	str[]	在其中找到关系的文本单元列表。

文本单元

从输入文档中解析的所有文本块的列表。

名称	类型	描述
text	str	块的原始全文。
n_tokens	int	块中的 token 数量。 这通常应与 chunk_size 配置参数匹配，但最后一个块通常较短。
document_ids	str[]	块来自的文档 ID 列表。 由于我们的默认 groupby，这通常只有 1 个，但对于非常短的文本文档（例如，微博），可以配置为使文本单元跨越多个文档。
entity_ids	str[]	在文本单元中找到的实体列表。
relationships_ids	str[]	在文本单元中找到的关系列表。
covariate_ids	str[]	在文本单元中找到的可选协变量列表。