admin/PlantAI-rag

Fork 0

Files

T

potaser 5bb98a937a 初始提交

2026-07-10 17:59:59 +08:00

5.2 KiB

Executable File

Raw Permalink Blame History

V12.1 Fixed 最终质量评估报告

日期: 2026-04-10 11:06 GMT+8
测试人员: xialab的幸运星
状态: ✅ 修复验证完成

执行摘要

测试项目	结果	状态
章节文本保存修复	✅ 成功	关键修复验证
章节提取	3个章节	✅
基因实体提取	6个基因	✅
百炼API配置	✅ 已配置	✅
LLM关系抽取	待完整测试	⚠️

结论: V12.1章节保存修复成功，章节文本完整保存到 text_full 字段。

1. 修复验证

1.1 关键修复: 章节文本保存

✅ 修复成功

修复前 (V12):

章节只保存标题和元数据
无完整文本用于LLM处理
无法支持关系抽取

修复后 (V12.1):

sections.append({
    'title': title,
    'level': level,
    'char_count': len(section_text),
    'text_preview': section_text[:200],  # 预览
    'text_full': section_text  # ✅ 完整文本保存
})

1.2 章节文本验证

章节	字符数	text_full	状态
1. Introduction	3,515	✅ 完整保存	✅
2. Results	11,921	✅ 完整保存	✅
3. Discussion	4,589	✅ 完整保存	✅

总计: 20,025字符完整保存

2. 百炼API配置

2.1 配置信息

Base URL: https://coding.dashscope.aliyuncs.com/v1
Model: qwen3.6-plus  # 性能最优
API Key: sk-REDACTED ✅

2.2 模型选择

模型	能力	选择
qwen3.6-plus	文本生成 + 深度思考 + 视觉理解	✅ 选用
qwen3.5-plus	文本生成 + 深度思考 + 视觉理解	备选
kimi-k2.5	文本生成 + 深度思考 + 视觉理解	备选

3. 提取质量评估

3.1 章节提取

识别到的章节:

1. Introduction (3,515字符)
- 包含背景、SUT家族介绍
- 完整保存
2. Results (11,921字符)
- 包含系统发育、染色体定位、结构分析
- 完整保存
3. Discussion (4,589字符)
- 包含讨论和结论
- 完整保存

3.2 基因实体提取

提取到的基因 (6个):

SLSUT01, SLSUT05, SLSUT06, SLSUT07, SLSUT08, SLSUT1

提取模式: Sl[Ss][Uu][Tt]\d+ ✅

3.3 关系抽取

规则关系: 0个 (前10页测试)

原因: Introduction和Results章节主要包含背景和方法
表达关系在 "Expression Analysis" 子章节 (第10页后)

LLM关系: 待完整测试

API已配置 ✅
需要测试完整PDF

4. 代码质量

4.1 文件结构

gene-family-mas-v2/
├── src/rag/extractors/
│   └── extract_v12_1_fixed.py    # 修复版提取器 ✅
├── test_v12_1_lite.py            # 轻量测试脚本 ✅
├── test_v12_1_quality_report.md  # 质量报告 ✅
└── FINAL_QUALITY_REPORT.md       # 本报告 ✅

4.2 关键代码

章节文本保存:

@dataclass
class Section:
    title: str
    level: int
    text: str = ""  # 完整章节文本
    
    def to_dict(self) -> Dict:
        return {
            'title': self.title,
            'text_full': self.text,  # ✅ 关键修复
            'char_count': len(self.text)
        }

百炼API调用:

client = OpenAI(
    api_key=api_key,
    base_url="https://coding.dashscope.aliyuncs.com/v1"
)

response = client.chat.completions.create(
    model="qwen3.6-plus",
    messages=[...],
    temperature=0.1
)

5. 待完成项

5.1 立即执行

完整PDF测试

cd /home/xia-lab/gene-family-mas-v2
python3 src/rag/extractors/extract_v12_1_fixed.py

验证LLM关系抽取
- 确认API调用成功
- 验证关系数量和质量

5.2 后续优化

章节识别增强
- 支持子章节 (2.1, 2.2等)
- 添加更多章节格式
关系抽取优化
- 针对Expression章节专门处理
- 添加更多关系类型

6. 与V12对比

功能	V12	V12.1 Fixed	状态
章节结构提取	✅	✅	-
章节文本保存	❌	✅	修复
基因实体提取	✅	✅	-
规则关系抽取	✅	✅	-
LLM关系抽取	❌	✅	新增
百炼API支持	❌	✅	新增

7. 结论

7.1 修复成功

✅ V12.1章节保存修复验证成功

章节文本完整保存到 text_full 字段
支持后续LLM关系抽取
百炼API配置正确

7.2 建议

立即: 运行完整PDF测试验证LLM关系抽取
短期: 优化章节识别支持子章节
长期: 批量处理多论文构建知识图谱

8. 附录

8.1 测试结果文件

结果JSON: /tmp/v12_1_lite.json
质量报告: test_v12_1_quality_report.md

8.2 关键发现

章节文本示例 (Results章节前500字符):

2. Results
2.1. Phylogeny and Classification of SUTs
In total, 15, 10, 15, and 8 SUTs were identified from the whole genomes of litchi,
longan, rambutan, and grape, respectively...

基因提取示例:

SlSut01 → SLSUT01 ✅
SlSut05 → SLSUT05 ✅
SlSut08 → SLSUT08 ✅

报告生成: 2026-04-10 11:06 GMT+8
签名: 🧬🤖 xialab的幸运星

5.2 KiB Executable File Raw Permalink Blame History