Daisy Extraction Contract
База v1Методика
Draft v0.2 · evidence before interpretation

Сначала договоримся,
что именно извлекать.

110 формальных полей и 96 реальных публикаций из frozen release. Здесь первичка, transcript, media и старые claims сопоставляются с новой схемой — до массового парсинга 38 318 items.

—полей контракта
—доменов
—calibration items
—уникальных источников
—решений pending
—items reviewed
01 · FROZENCorpus v1
02 · DRAFTEDContract v0.2
03 · CURRENTCalibration 96
04 · LOCKEDBulk parsing
05 · LOCKEDAnalysis & strategy

Gate 1 · право измерять

Семь проверяемых условий отделяют draft-кодбук от запуска массовой разметки. Наличие 38 тысяч публикаций само по себе не закрывает ни одно аналитическое требование.

OPEN · 0/7

Extraction Contract v0.2

Каждое значение имеет тип, гранулярность, applicability, knowledge status, evidence и validation rule. Нажмите на строку, чтобы раскрыть полный контракт.

#Field pathСмыслУровеньEvidenceApplicability

Calibration set · 96

Membership детерминирован и pinned на snapshot frozen release. Выборка покрывает платформы, языки, окна, transcript statuses, аудитории и архетипы.

sha256 · —

Первичка для калибровки

Откройте item: слева исходный материал, справа transcript/media/legacy claims и 110 полей, ожидающих калибровки.

#Платформа / источникПубликацияСтратаTranscriptEvidenceReview

Decision log · нужно утвердить

Это не общие вопросы, а развилки, меняющие таблицы, правила разметки и допустимые выводы. Сейчас все решения имеют статус PENDING_OWNER.

12 / 12 pending

Как устроен слой

Contract и calibration аддитивны: frozen release v1 остаётся неизменным, а каждый calibration member ссылается на точный snapshot.

Data lineage

dataset_release (FROZEN v1)\n  └─ release_item\n       ├─ content_item\n       └─ content_snapshot  ← immutable pin\n            ├─ raw_json / formatting / metrics\n            ├─ transcript → transcript_segment\n            ├─ media_asset → visual_observation\n            ├─ format_block / outbound_link\n            └─ extracted_claim (legacy 12)\n\nextraction_contract v0.2 (DRAFT)\n  ├─ extraction_field × 110\n  ├─ contract_decision × 12\n  └─ calibration_set × 1\n       └─ calibration_item × 96\n            └─ calibration_field_review\n\nGate 1 OPEN → bulk_parsing LOCKED

Что будет происходить дальше

  • Согласование. Решаем 12 развилок и фиксируем состав полей.
  • Калибровка. Размечаем 96 items; 24 из них — независимо двумя разметчиками.
  • Disagreement report. Исправляем codebook, enum и evidence rules там, где люди системно расходятся.
  • Quality gate. Проверяем macro F1, evidence validity и критические расхождения.
  • Только после PASS. Версионируем extractor и запускаем все 38 318 items.
CALIBRATION ITEM

—