Skip to main content

认知图：2.图构建方法

文本到认知图：图构建方法

把一段自然语言（句、段、整篇）压成一张可遍历的 unit 图。

  • 输入：自然语言文本——一句、一段、或一整篇。

  • 输出：一张图——节点（主体 / 论元 / 谓词）+ 边 + 入口标记，整体表达输入承载的持久事实。

  • 依赖：unit 数据模型与四原则定义在 认知图：以谓词作为概念。本文档只定义"文本 → 图"的构建过程与渲染契约，不重复抽取原则本身。

一、输出形式

图的 ground truth 是 unit 文本——已有抽取约定的序列化形式：

{主体}[谓词]{论元}, {论元}, ...
()[修饰谓词]{值}                 # 值的可查询性视情况标 {}/()

派生 M[的]{B}（M 可为 {M} 或 (M)，见认知图 §二.2）、同义 {A}[同义]{B}、嵌套局部 ID（u_a / u_b / ...）等同认知图 §二「数据模型」。

图示绘制只画可查询节点 {X}（不可查询修饰 (X) 通过修饰行表达，不出现在节点位置）；[P] 表示谓词、──▶ / └──▶ 等表示有向边——与 unit 文本的标记一致。机器消费一律以 unit 文本为准，图示只是辅助阅读。

二、记号约定

下文示例和讨论用以下记号表达 unit 图：

记号 含义
{X} 可查询节点。同一 node 全图唯一一个 {X} 实例
(X) 不可查询修饰（仅出现在修饰行值或派生 M 位置，不作为图节点画出）
[P] 谓词。每条 unit 引入独立的 [P] 实例（同名谓词不共享节点）
──▶ 有向边：主体 ──[P]──▶ 论元；修饰行 ──[P]──▶ 值。[同义] 例外保留无向 ──
┄┄ 节点的外发尾巴：标记该节点的 subject_mentions 在全图层面非空、向本输入之外延伸

入口节点 / 仅论元节点的区分不在记号本身体现，而由 §三 步骤 4 的 S* 集合刻画——需要展示时在节点旁加注（如 {X}*）或在表格中单列说明。{X} 形态相同，是为了让图示和 unit 文本完全同形。

三、构建流程

输入文本 → 输出 unit 集合 + 图拓扑。共五步，前三步沿用 认知图：以谓词作为概念 §五 抽取流程，后两步是本文档新增。

步骤 1 — 句法解析与语言层预处理

参照原 §五.1–2：识别小句 / 动词 / 论元 / 修饰 / 辖域；指代还原；特殊句式标准化（把字句、被字句、兼语、连动、是 / 有字句、比较句）；句类识别。

多句 / 多段输入：跨句指代和零指代在这一步统一还原。代词不能还原时降级为占位 node ?_1 / ?_2，并打 ()[置信度](low)。

步骤 2 — 复句拆分

按因果 / 转折 / 时序 / 目的 / 条件 / 让步切分小句。保留连接关系，待嵌套层装回（原则 III）。

步骤 3 — 抽取 unit 集

逐小句产出 unit：

  • 选谓词（归 family 基础成员）；

  • 定主体（≥1 个具体 node）；

  • 补修饰行；

  • 同时满足 §四 四原则——事实优先 / 最具体标识符 / 嵌套修饰 / 自洽。

派生 node M[的]{B} 在使用前先声明，渲染名 {MB} 入图。同义命名 {A}[同义]{B} 在两个标识符首次共现时声明。

派生 / 同义 不是默认操作——按以下规则触发：

  • 派生：在两种情况下使用——（a）现有标识符在当前图里有歧义、需要收窄（例：复杂不完美的环境 ≠ 任意环境）；（b）当前事实的重点就是描述 / 分类一个实体——名词短语作主句论元（"设想 X" / "讨论 X" / "考虑 X"）时，X 内部的修饰子句应当用派生节点层级表达，让 [属于] 把实例绑到类。

  • 同义：两个独立来源的标识符首次共现（例：论文-IAA ↔ 《深度强化学习的想象增强智能体》、想象增强智能体架构 ↔ 想象增强智能体）。不用同义给派生 node 起别名——那是 alias 不是 synonym，没有信息增益。

两种判别启发：

  1. 重点是描述 vs 事件：去掉量词 "一位 / 一个 / 一种"，看剩下的是不是个动词主导的完整句。是 → 事件型，主谓宾 + 修饰行；不是（剩下的是名词短语）→ 描述型，派生层级 + [属于]。
  2. 避免重复编码：写完一条派生 / 同义后，看是否同一事实在派生名、谓词、修饰行多处重复出现。是 → 简化掉冗余的层（要么删派生留事件，要么删事件留派生）。

反例 A — 描述错抽成事件：原文 "一位每天乘坐列车通勤的人"（名词短语）写成 {通勤者}[通勤]() + ()[工具]{列车} + ()[频率](每天)——把描述抽成动作，丢失"她是什么人"的分类语义。正解：(列车通勤)[的]{人} + (每天)[的]{列车通勤的人} + {通勤者}[属于]{每天列车通勤的人}。

反例 B — 派生 + 同义 + 事件四处重复：同句写成 (列车通勤)[的]{人} + {列车通勤的人}[同义]{列车通勤者} + {列车通勤者}[通勤]() + ()[工具]{列车}——同义被滥用作 alias，"列车通勤" 编码四次。

段（抽取块）的边界：决定 () 指代的范围、决定局部 ID u_a / u_b 的有效域。一般以原文自然段或一两句一组划段；段终止后 () 不再有指代，必须重起一条主 unit；跨段引用必须用持久 unit ID。这套规则照搬认知图 §二.3–4，不在本文档重复。

步骤 4 — 节点收集与角色判定（全局）

遍历输入产出的所有 unit 集合 U（跨句、跨段统一收集，不分段重置）：

nodes  := ⋃ unit ∈ U {主体, 谓词, 论元, 所有修饰行的值}      # 数学集合表示,与 unit 语法 {}/() 无关
S*     := ⋃ unit ∈ U {主体}                                  # 含派生 / 同义 / 修饰行所属主 unit 的主体
preds  := { (unit, 谓词位置) }                               # 元组集合;以位置为单位,不去重

每个 node 的角色：

  • n ∈ S* → 入口节点（subject_mentions 非空，可作为反向索引入口）

  • 否则 → 仅论元节点（只在 context_mentions 中出现）

  • 谓词位置一律渲染为 [P]——同一谓词出现两次就是两个 [P] 实例（边的关系类型挂在边上，不共享节点）

派生 node 的基础 node B（出现在 M[的]{B} 的论元位）：在本输入里若 B 没单独作过主体，仍然是仅论元节点；这条派生声明本身让 M 进 S*（M 是该 unit 的主体——若 M 标 (M) 描述性派生，则虽不可独立查询但仍登记进 S*）。

步骤 5 — 主线选定

在本段产出的 unit 集中标记一条 unit 为核心——它是这一段的 narrative center。通常是：

  • 命题态度 wrap（[认为] / [认知] / [清楚] / [主张] / [怀疑]）整段事实的那条；

  • 或因果链顶层（最末端的 [导致] / [造成] unit）；

  • 或一段就立人物 / 立场景的描述句，主 unit 是 [属于] / [是] 的分类断言。

其余 unit 自动是分支——它们仍然是独立 unit、有完整结构 / 反向索引 / 查询语义，只是叙事地位上从属于主 unit。

主线选定没有结构后果——它不改变图遍历语义，也不影响 unit 文本的 ground truth。它的作用是：

  1. 视觉布局：核心 unit 横向居中排在图的主轴上，分支从主轴节点向下/向上引出；
  2. 段查询：问"这段在讲什么"直接读核心 unit，不必遍历全部 unit 综合；
  3. 叙事中心化：让一段的核心断言和支撑细节在层级上有明确区分。

主线视觉边标签 vs unit 文本谓词：视觉图上可用自然连接词（平时 / 清楚 / 造成），便于人读；unit 文本里始终写 family 基础成员（属于 / 认为 / 导致），便于查询。映射例：

视觉自然词 unit 文本 family 谓词
平时 / 通常 / 是 属于 / 是
清楚 / 知道 / 认为 认为 / 认知 / 知道
造成 / 引发 / 让 导致 / 造成
提出 / 介绍 （元话语，原则 I 降级，不上主线）

空段允许无主 unit：纯派生 / 同义声明段（如开头铺设词典）可能没有自然中心；这种段标记主 unit 为 null 即可。

步骤 6 — 图拓扑装配

每条 unit {S}[P]{A_1}, ..., {A_n} 装配为一个星形子图：

{S} ── [P] ─▶ {A_1}
           ─▶ {A_2}
           ...
           ─▶ {A_n}

修饰行 ()[mod-P]{v} 挂在主 unit 的 [P] 上：

{S} ── [P] ─▶ {A}
           └── [mod-P] ─▶ {v}      # 若值为 (v) 不可查询修饰,显示为标签不画节点

嵌套 —— 当 A_i 是局部 ID（u_a / u_b / ...）：把内层 unit 的 [P] 直接接到外层 [P] 的论元位，跳过中间节点。读图者沿外层 [P] 走到内层 [P]，再展开内层 unit。

外层：{S}[目的是]{u_a}, {u_b}
渲染：{S} ── [目的是] ─▶ [u_a 的谓词] ─▶ ...
                    └── [u_b 的谓词] ─▶ ...

派生簇 —— M[的]{B} 是一条普通 unit：

{M} ── [的] ─▶ {B}                  # M 为 {M} 时
{M} ── [的] ─▶ {B}                  # M 为 (M) 描述性派生时,M 仅以标签形式出现

派生 node 的渲染名 {MB} 在后续 unit 里被引用时，复用 {M} 的位置——不复制 M 节点，整张图里 M 始终一个实例。

同义簇 —— {A}[同义]{B} 同样作为 unit 渲染。查询时 ≡ 索引由 同义 谓词派生（§六.2）；图上是显式的 [同义] 节点和两端的 {X}。

跨段连接 —— 当输入跨多个段时，节点（依靠全局唯一性，§四）天然把不同段产出的星形子图缝合在一起：第一段把 X 作主体 {X}，第二段又用 X 作论元 {X}，那 {X} 同时出现在两段对应的子图里——它们共用同一个实例。

外发尾巴 —— 给每个入口节点画一条 ┄┄ 尾巴，端点空悬，表示该 {X} 在全图层面有 subject_mentions 项可达本输入之外。如果该入口节点的所有 unit 都在本输入内被产出，尾巴只是占位；图被并入更大图后尾巴连到外部 unit。

整篇 / 多段输入 — 先摘要再分段

输入超过一段时，直接句对句抽取段边界容易和原文物理段对不齐、跨段桥接也靠不住。先摘要再分段更稳：

  1. 摘要剥叙述外壳——评价词、频率词、"我们提出 / 我们展示" 类元话语丢掉，留事实骨架。
  2. 摘要每个分句 = 一段抽取块——分句天然是该段的 spine 候选，段边界对齐 narrative center。
  3. 段间桥接由谓词承接——摘要叙述"问题 → 替代 → 已有解 → 本工作"的因果链时，[目的是] / [属于] / [导致] 自然落到段间。
  4. 跨段引用用持久 ID——格式 sN.uM（段 N 内的 u_M 升格）；段终止后 () 不再指代。

摘要丢什么要心里有数：强度（"通常"）、程度（"远远"）、分立能力声明（"合理样本"）会被压平。下游若依赖这些细节，回原文补 ()[量化] / ()[程度] 修饰行或独立 unit。

不同文体的丢弃比差异显著（实测）：

  • 论文 / 综述 ~30%：事实密度高，抒情少；丢的主要是元话语（"我们提出 / 我们展示"）和评价副词。
  • 科普 / 访谈 ~50%：修辞 / 反问 / 感叹密度高（"我不是在写诗"、"切切"）；引述句要保留事实内核但拆掉戏剧化包装。
  • 评论 / 观点 ~35%：评价副词 + "我感觉 / 希望 / 请大家指教" 等元话语丢弃，但作者主观断言保留为 ()[模态](希望) + ()[置信度](low)——评论文体下 [置信度](low) 是段标配，区别于综述默认信任作者断言。
  • 文学 / 散文 70%+：大部分语句承载的是情感 / 意象而非可入图事实，按摘要驱动只剩骨架。

抽取者按文体调激进度——论文场景默认完整保留事实层，科普场景大胆丢抒情但保留专家定义性陈述（这些往往是文章的真正内核），评论场景默认全段挂 [证据](作者主张) + [置信度](low)。

完整工作示例见 §六 例 5 — 一篇 9 行论文摘要 → 4 段 11 主 unit + 11 派生 / 同义 + 4 修饰行；同输入按句对句抽取会膨胀到 7 段 16 主 unit。

四、不变量

构建出的图必须满足：

  1. 节点全局唯一性：同一 node 在整段输入产出的图里全局唯一一个 {X} 实例。一个 node 在多句多段多条 unit 里出现，对应同一个实例。
  2. 谓词独立性：同一谓词在不同 unit 里是不同 [P] 实例。"两次说'具有'"对应两个 [具有] 实例。
  3. 角色单调性：节点一旦进入 S*（成为入口节点），永远是入口节点，不会因后续 unit 倒退为仅论元节点。
  4. 修饰行从属性：修饰行的 [P] 必须挂在主 unit 的 [P] 上，不能直接连主体 {X}——否则就该升格为独立主 unit。
  5. 嵌套不绕路：内层 unit 在外层 unit 的论元位上以"另一个 [P]"形态出现，禁止用占位 {X} 中转。
  6. 段内局部 ID 不外泄：u_a / u_b 等局部 ID 只在所属段内的论元位上出现；跨段引用必须替换成持久 unit ID 或具体节点名。
  7. 每段恰有一条主 unit（或显式标 null）；其余 unit 全是分支。主线没有结构后果，仅影响视觉布局和段查询入口。
  8. 可视图严格 {主体}──[谓词]──▶{论元}：图示画出来的每条边都必须对应一条主 unit，箭头两端都是显式 {节点}（不可查询修饰 (X) 不画为节点，仅以标签形式附着在边上）。出现 [谓词] X 这种浮空标签 → 缺一个显式节点或一条派生 M[的]{B} 声明，必须补全。
  9. 可查询性合规：每个节点位置按认知图 §二.2 标 {} 或 (...)；派生 node M[的]B 三条约束：(1) 渲染名 {MB} 必须通过 §2.2 测试；(2) M 不能是纯 hedge（违反 → 改走修饰行）；(3) M 与 B 各按 standalone 是否承载信息标记，四种组合均合法。

违反任一条 → 抽取或装配出错。

五、可序列化形式

实际输出有两层。主输出 — unit 文本 是 ground truth；分段、主 unit 用注释标记：

# 段 1   spine: u1
{想象增强}[的]{智能体}
{想象增强智能体}[需要提升]{学习效率}         # u1
()[范围]{真实世界环境}
()[程度](复杂), (不完美)
()[工具]{想象力}
()[证据]{DeepMind}

# 段 2   spine: u3
...

派生输出 — 拓扑摘要（可选，给可视化渲染器消费，由主输出自动派生、不持久化）：

graph:
  nodes:
    - id: 想象增强智能体
      entry: true                     # 入口节点（S* 成员）
      out_count: 4
    - id: 学习效率
      entry: false                    # 仅论元节点
    ...
  preds:
    - id: u1
      subject: 想象增强智能体
      predicate: 需要提升
      args: [学习效率]
      modifiers:
        范围: 复杂不完美环境
        工具: 想象力
        证据: DeepMind
    ...
  segments:
    - id: seg-1
      spine: u1                       # 段的主 unit；null 表示无主线
      branches: [u2, u3, u4, ...]     # 该段其余 unit
    ...

两者必须一致——若不一致，以 unit 文本为准。

六、示例

例 1 — 单句简单陈述

原文：深蓝击败卡斯帕罗夫。

unit 文本：

{深蓝}[击败]{卡斯帕罗夫}

节点角色：S* = {深蓝} → 入口节点；卡斯帕罗夫 → 仅论元节点；[击败] 是谓词实例。

拓扑示意：

            ┄┄┄┄ {外发}
              ╲
              {深蓝} ── [击败] ─▶ {卡斯帕罗夫}

例 2 — 单句派生 + 修饰行

原文：DeepMind 通过赋予智能体想象力，提升了其在复杂不完美环境中的学习效率。

unit 文本：

(复杂不完美)[的](环境)            # M 是描述性派生 (b 类评价的复合不可单独查询)
{想象增强}[的]{智能体}            # M 是 C 类技术属性 — 标 {}

{想象增强智能体}[具有]{想象力}
()[证据]{DeepMind}

{想象增强智能体}[需要提升]{学习效率}
()[范围]{复杂不完美环境}          # 派生节点渲染名,作为整体 queryable
()[工具]{想象力}
()[证据]{DeepMind}

节点角色：S* = {复杂不完美 (派生 M)、想象增强、想象增强智能体}

node 角色 理由
复杂不完美 入口 (描述性) 派生声明 (复杂不完美)[的]{环境} 的主体；标 (M) 表"描述性派生"
想象增强 入口 派生声明 {想象增强}[的]{智能体} 的主体
想象增强智能体 入口 多次作主体（具有 / 需要提升）
环境 仅论元 仅作论元
智能体 仅论元 仅作论元
想象力 仅论元 论元 + 修饰行值
学习效率 仅论元 仅作论元
复杂不完美环境 仅论元 修饰行值（派生 node 渲染名）
DeepMind 仅论元 修饰行值（证据）

拓扑示意：

(复杂不完美) ── [的] ─▶ (环境)

{想象增强} ── [的] ─▶ {智能体}

                            ┄┄┄ {外发}
                            ╲
   {想象增强智能体} ── [具有] ─▶ {想象力}
                  │       └── [证据] ─▶ {DeepMind}
                  │
                  └── [需要提升] ─▶ {学习效率}
                              ├── [范围] ─▶ {复杂不完美环境}
                              ├── [工具] ─▶ {想象力}
                              └── [证据] ─▶ {DeepMind}

匹配手绘图的形态：入口节点（带 ┄┄ 尾巴）是反向索引登记点，手臂上是 [P] ─▶ {X}，多条 unit 通过共享 {X} 相连。(复杂不完美) 用 () 标记是因为"复杂"+"不完美"是描述复合，单独不可查询，但派生整体 {复杂不完美环境} 是可查询节点。

例 3 — 单句嵌套（意图链）

原文：DeepMind 提出 X，旨在应对真实世界的复杂性，从而提升深度强化学习的性能。

unit 文本（原则 I 元话语降级 + 原则 III 意图链嵌套）：

{真实世界}[具有]{复杂性}               # u_a
{深度强化学习}[需要提升]{性能}         # u_b

{X}[目的是]{u_a}, {u_b}
()[证据]{DeepMind}

节点角色：S* = {真实世界, 深度强化学习, X} → 入口节点；其余 → 仅论元节点。

拓扑示意（嵌套用 [P] 直连 [P]）：

{真实世界} ── [具有] ─▶ {复杂性}
                       ↑
                       │
{X} ── [目的是] ────────┤
       │               ↓
       │     {深度强化学习} ── [需要提升] ─▶ {性能}
       └── [证据] ─▶ {DeepMind}

注意 [目的是] 的两个论元位接的是另外两个 [P]（u_a / u_b 的谓词），不是中间套 {X}——这是嵌套的几何特征。

例 4 — 跨句的全局节点缝合

原文（两句一段）：DeepMind 提出了想象增强智能体。该智能体在复杂环境中具有更高的学习效率。

unit 文本（两段抽取块，每段独立局部 ID 域；节点跨段共享）：

{想象增强}[的]{智能体}
{想象增强智能体}[同义]{DeepMind 提出的想象增强智能体}
()[证据]{DeepMind}

{想象增强智能体}[具有]{学习效率}
()[范围](环境)
()[程度](复杂)            # b 类评价 — 修饰行
()[程度](更高)            # c 类无锚比较 — 修饰行

节点角色（全局收集）：

  • 入口节点：想象增强、想象增强智能体

  • 仅论元节点：智能体、DeepMind、环境、学习效率

想象增强智能体 在第一段是主体（同义声明）、第二段还是主体（具有）——它是同一个 {想象增强智能体}，把两段的子图缝合到一起。这是 §四 不变量 1 在跨句场景的直接体现。

注意第二段没有派生 {复杂}[的]{环境}——按 §二.2 b 类「主观评价」、c 类「无锚比较」，"复杂"和"更高"都应化为修饰行 ()[程度](X)，避免引入不可查询节点 (复杂) / (更高) 进派生。

例 5 — 整篇文章（4 段）：摘要驱动 + 跨段桥接

原文（GAN-based domain adaptation 论文摘要）：

使用带有精心注释的图像数据集来训练现代机器学习算法，对于许多任务来说都是非常昂贵的。一个很有吸引力的替代方案是渲染合成数据，其中 ground-truth 注释会自动生成。不幸的是，纯粹在渲染图像上进行训练的模型通常不能推广到真实图像。为了解决这个缺点，此前有研究引入无监督的领域自适应算法，尝试在两个域之间映射表示，或者学习提取不变的特征。在这项工作中，我们提出了一种新的方法，以无监督的方式学习实现从一个域到另一个域在像素空间上的转换。我们基于生成对抗网络（GAN）的模型能够适应源域映像，就像从目标域中绘制的一样。我们的方法不仅产生了合理的样本，而且在某些无监督的域适应场景中也远远胜过最先进的技术。最后，我们展示了适应过程生成了在训练过程中没有见过的物体类别。

摘要（剥叙述外壳）

把"我们提出 / 我们展示 / 不幸的是 / 很有吸引力"等评价词与元话语丢掉、重复合并，剩下的事实骨架：

  1. 问题：训练现代 ML 算法需要精心注释的图像数据集，标注成本高。
  2. 替代方案的缺陷：渲染合成数据虽自动生成注释，但纯渲染图像训练的模型在真实图像上泛化差。
  3. 已有解：无监督领域自适应算法——通过映射两域表示或提取不变特征实现。
  4. 本工作：基于 GAN 的模型，在像素空间做源域 → 目标域无监督转换；属于 UDA 新成员，超越 SOTA，并能生成训练时未见的物体类别。

四块 = 4 段抽取块。每块对应一条 spine。

视觉拓扑

一张整图。先列派生 / 同义簇（建立所有渲染名），再画主断言；每条画出来的边都对应一条主 unit。

派生 / 同义：
   {现代} ── [的] ─▶ {机器学习算法}              {现代机器学习算法} ── [的] ─▶ (训练)
   {精心注释} ── [的] ─▶ {图像数据集}            {精心注释图像数据集} ── [的] ─▶ (替代方案)
   {渲染} ── [的] ─▶ {合成数据}                  {渲染} ── [的] ─▶ (图像)
   {在渲染图像上} ── [的] ─▶ (训练)              {在渲染图像上训练} ── [的] ─▶ (模型)
   {无监督} ── [的] ─▶ {领域自适应算法}          {基于 GAN} ── [的] ─▶ (模型)
   {GAN} ── [同义] ── {生成对抗网络}


{现代机器学习算法训练} ── [需要] ─▶ {精心注释图像数据集} ── [具有] ─▶ {高成本}
                                              │
                                              │ [的]
                                              ▼
                                  {精心注释图像数据集的替代方案}
                                              ▲
                                              │ [属于]
                                              │
                                  {渲染合成数据} ── [具有] ─▶ {自动生成的 ground-truth 注释}


{在渲染图像上训练的模型} ── [需要] ─▶ {泛化到真实图像的能力}
                                              ▲
                                              │ [目的是]
                                              │
      {映射两域表示}, {提取不变特征} ◀── [通过] ── {无监督领域自适应算法}
                                                       ▲              ▲
                                                       │ [属于]         │ [属于]
                                                       │              │
                                                {基于 GAN 的模型} ── [优于] ─▶ {最先进技术}
                                                   ★ spine                  └── [范围] ─▶ {某些无监督域适应场景}
                                                       │
                                                       ├── [实现] ─▶ {源域到目标域的像素空间无监督转换}  ★
                                                       │
                                                       └── [具有] ─▶ {生成训练未见类别能力}

整篇 spine 落在 {基于 GAN 的模型} ── [实现] ─▶ {源域到目标域的像素空间无监督转换}——本工作的 headline 断言。共 12 主 unit + 4 修饰行 + 11 派生 / 同义。

证据修饰行未画在图上，规则统一：段 3 (无监督领域自适应算法) 系列 ()[证据]{此前研究}；段 4 (基于 GAN 的模型) 系列 ()[证据]{本工作}。

注意可查询性标记：{现代} / {无监督} / {渲染} / {GAN} 都通过 §2.2 测试（独立承载信息）；(精心注释) / (在渲染图像上) / (基于 GAN) 是描述性派生 M（standalone 不承载，但派生整体 {...} 通过测试）；(模型) / (训练) / (图像) 是通用角色名词（standalone 不承载，但通过修饰特化后渲染整体承载）。

关系展开（每个箭头一行）

# 派生 / 同义（11）
{现代}[的]{机器学习算法}
{现代机器学习算法}[的](训练)
{精心注释}[的]{图像数据集}
{精心注释图像数据集}[的](替代方案)
{渲染}[的]{合成数据}
{渲染}[的](图像)
{在渲染图像上}[的](训练)
{在渲染图像上训练}[的](模型)
{无监督}[的]{领域自适应算法}
{基于 GAN}[的](模型)
{GAN}[同义]{生成对抗网络}

# 段 1 — 问题
u1.1  {现代机器学习算法训练}[需要]{精心注释图像数据集}
u1.2  {精心注释图像数据集}[具有]{高成本}

# 段 2 — 替代方案缺陷
u2.1  {渲染合成数据}[属于]{精心注释图像数据集的替代方案}
u2.2  {在渲染图像上训练的模型}[需要]{泛化到真实图像的能力}
u2.3  {渲染合成数据}[具有]{自动生成的 ground-truth 注释}

# 段 3 — 已有解
u3.1  {无监督领域自适应算法}[目的是]{s2.u2}              # 嵌套到 u2.2 的 [需要]
u3.2  {无监督领域自适应算法}[通过]{映射两域表示}, {提取不变特征}

# 段 4 — 本工作
u4.1  {基于 GAN 的模型}[属于]{无监督领域自适应算法}
u4.2  {基于 GAN 的模型}[实现]{源域到目标域的像素空间无监督转换}   ★ headline spine
u4.3  {基于 GAN 的模型}[优于]{最先进技术}
        ()[范围]{某些无监督域适应场景}                    # 修饰 u4.3 的 [优于]
u4.4  {基于 GAN 的模型}[具有]{生成训练未见类别能力}
u4.5  {最先进技术}[属于]{无监督领域自适应算法}

24 行 = 11 派生 / 同义 + 12 主 unit + 1 修饰行。[证据] 系列修饰行（段 3 → 此前研究；段 4 → 本工作）按统一规则补在每条所属 unit 上，未单列。

跨段桥接

5 条 unit 把 4 段缝起来：

  • u2.1 {渲染合成数据}[属于]{精心注释图像数据集的替代方案} — 段 2 ↔ 段 1，靠派生节点 {精心注释图像数据集}[的]{替代方案} 链回。

  • u3.1 {无监督领域自适应算法}[目的是]{s2.u2} — 段 3 → 段 2，UDA 的目的就是解决段 2 的 s2.u2。

  • u4.1 {基于 GAN 的模型}[属于]{无监督领域自适应算法} — 段 4 → 段 3。

  • u4.5 {最先进技术}[属于]{无监督领域自适应算法} — 段 4 → 段 3。

沿 u4.1 / u4.5 的 [属于] 闭包，u3.1 的 [目的是 s2.u2] 自动继承到 {基于 GAN 的模型} 与 {最先进技术}——无须再画显式 [目的是 s2.u2] 边。

抽取决策注记

  1. 元话语降级："我们提出 / 我们展示 / 此前有研究" 全按原则 I 降到 ()[证据]（{本工作} / {此前研究}）。
  2. 摘要分句 = 段 spine：4 段对应 4 条 spine；整篇 spine 落在 u4.2。
  3. 跨段引用用 sN.uM：u3.1 引用段 2 的 s2.u2；u_a / u_b 这类段内局部 ID 不能跨段，必须升格为持久 ID。
  4. 派生节点搭概念坐标系：{精心注释图像数据集} / {渲染合成数据} / {基于 GAN 的模型} 都是派生节点（M 部分含 (精心注释) / (在渲染图像上) / (基于 GAN) 描述性派生），让跨段引用能落到具体标识符。

摘要丢失什么

原文表达 丢失的认知内容 严格抽取应补
"通常不能泛化" 强度（"通常" ≠ "一定"） ()[量化](大多数) 或 ()[置信度]
"远远胜过" 比较程度 ()[程度](远远)
"合理的样本" 一项独立的能力声明 单独 unit (基于 GAN 的模型)[具有](合理样本生成能力)

下游若依赖这些细节（研究综述强度对比、模型能力清单），从摘要回原文补全。摘要驱动的目标是知识图谱的"长期可推理"，不是完整还原原文。

摘要驱动 vs 句对句抽取

维度 句对句 摘要驱动
段数 7 4
主 unit 数 16 11
修饰行 多（量化 / 程度 / 置信度 / 方式） 仅必要的 [范围] / [证据]
丢弃 几乎不丢，全保留为修饰行 评价词 / 频率 / 程度 / 重复事实丢
适用 需要追溯到原文具体表述 进入领域知识库，做长期推理

摘要驱动收益：段边界天然对齐 narrative center；派生 node 收敛（句对句版的 "合理样本生成能力" / "适应过程" 等子节点直接合并到 [实现]转换 与 [具有]{生成未见类别能力}）；跨段桥接显式（摘要的因果链 → [目的是] / [属于] 自然落到段间）。

七、trade-off

  • 图的稀疏 vs 稠密：单句输入产出小图（5–15 节点）、入口节点的 ┄┄ 尾巴大多是占位；整篇文章产出大图、跨段缝合后入口节点之间连接稠密、尾巴语义实化。规模差异天然，不是错误。

  • 谓词不共享 [P]：同义反复的谓词会让图上出现多个相同标签的 [P] 实例。优势是边类型清晰、不会因共享谓词节点引起拓扑歧义；查询时再沿 同义 + 的 闭包归并。

  • 修饰行 [P] 视觉密度：unit 修饰行多时一条 [P] 上会挂 4–6 个子 [P]——可选折叠为单行标签 (范围: X, 工具: Y, 证据: Z)，但折叠版只用于显示，不进图遍历。

  • 派生 node 的双重身份：M[的]{B} 既贡献 M（入口；M 为 {M} 时是独立可查询节点，为 (M) 时是描述性派生 M），又让 {MB} 渲染名指向 M 实例。查图时基础 node B 上不会展开 M 的具体断言（参照 §三谓词分类，的 不传递）。

  • 不渲染语言层信息：焦点 / 主题前置、口吻、句末语气词、被动主动不入图。原则上图与抽取 unit 集等价，不多不少。

  • 段边界由抽取者决定：原文的自然段往往不等于抽取段。把哪些句子合一段（共享 () 指代和局部 ID）是抽取者的工程判断——段太大局部 ID 容易冲突，段太小同句的修饰行被迫升格为重复主 unit。

  • 主线选定 vs 多焦点段：主 unit 标记要求抽取者主观判断"本段最核心是哪条断言"。叙事性强的段（人物 / 因果 / 论证）容易选定；纯枚举段（条目列表 / 平行陈述）可能没有自然中心，主 unit 标 null，所有 unit 平行。例 5 是有 headline 断言的论文摘要，整篇 spine = {基于 GAN 的模型}[实现]{源域到目标域的像素空间无监督转换}，立得住；svo_demo 句 4–6 是论文架构介绍的平行枚举，难单选主 unit，可标 null。

  • 主线视觉边标签 vs unit 谓词：主线视觉用自然连接词（平时 / 清楚 / 造成）让人读着顺，unit 文本写 family 谓词（属于 / 认为 / 导致）让查询走 family 闭包。映射不强制一对一——抽取者用判断力让两边都自然，关键是 unit 文本的 ground truth 仍可机器消费。

Back to top