BIDI_EXTRACTION_AI/BiddingKG/dl/rules/patterns/role_fallback.yaml

# 招标人兜底召回规则（角色分类流程优化 Phase B）。
#
# 来源（触发条件均为 tenderee_notfound，即全文无 label=0 且 prob>0.55 的实体）：
#   1. dl/predictors/role.py TendereeRuleRecall（约 699-921 行）：
#      - entity_context_rule：7 级优先级链（left_1..left_5 → right → right2 → right3），
#        命中后 label=0，prob=0.5+values[0]/10（略高于 0.5 基线）
#      - subject_rule：公告主语 [我本][院校局]
#   2. dl/predictors/role.py RoleRuleFinalAdd（约 598-695 行）：
#      文末格式（公司名+日期）、招标联系人、户名、买家信息、发布单位、站源格式，
#      命中后 label=0/1，prob=0.51（比标题概率略高）
#
# 优先级（priority 越大越先执行，与代码中的串行顺序一致）：
#   final_*（RoleRuleFinalAdd，extract.py 中先执行）→
#   left_1 > left_2 > left_3 > left_4 > left_5 > right > right2 > right3 → subject
version: 1
category: ROLE
description: >-
  招标人兜底召回规则：模型与上下文规则均未召回招标人时，
  按 7 级上下文 → 文末格式 → 主语的优先级链补充召回。
probability_ladder:
  p_model_threshold: 0.5
  p_rule_override: 0.501
  p_fallback: 0.51
  p_title: 0.55
patterns:
  # ---- RoleRuleFinalAdd：文末/全文格式召回（先执行）----
  - id: final_publisher
    description: '全文前 5000 字：发布人/单位/机构/企业、项目业主、所属公司、寻源单位、主办单位、卖家：实体名。doc DX020065-3 卖家：成都积微物联电子商务有限公司'
    role: tenderee
    prob: 0.51
    priority: 90
    pattern: '(发布(?:人|单位|机构|企业)|项目业主|所属公司|寻源单位|主办单位|卖家)[，:：][A-Za-z0-9_]*(?P<entity>[\u4e00-\u9fa5()（）]{4,20})[，。]'
    golden_examples:
      - input: '发布单位：济南城市建设有限公司，'
        should_match: true
      - input: '卖家：成都积微物联电子商务有限公司。'
        should_match: true
      - input: '中标单位：青岛市政工程集团有限公司，'
        should_match: false

  - id: final_buyer_info
    description: '全文前 5000 字：买家信息/所有权人/土地权属单位/报名咨询/收送货地点：实体名'
    role: tenderee
    prob: 0.51
    priority: 89
    pattern: '(买家信息|所有权人|土地权属单位|报名咨询|[收送交]货地点)[，：](?P<entity>[\u4e00-\u9fa5()（）]{5,20})[0-9\-]*[，。]'
    golden_examples:
      - input: '买家信息：广州市水务局，'
        should_match: true
      - input: '收货地点：济南市历城区仓库。'
        should_match: true
      - input: '发布单位：某公司，'
        should_match: false

  - id: final_account_name
    description: '全文前 5000 字：户名/开户名称/发票抬头：实体名'
    role: tenderee
    prob: 0.51
    priority: 88
    pattern: '[，：](户名|开户名称|发票抬头)[:：](?P<entity>[\u4e00-\u9fa5()（）]{5,20})[，。]'
    golden_examples:
      - input: '，户名：苏州市广播电视总台，'
        should_match: true
      - input: '户名：某某公司'
        should_match: false

  - id: final_contact_unit
    description: '全文前 5000 字：招标/采购联系人：姓名+实体名'
    role: tenderee
    prob: 0.51
    priority: 87
    pattern: '((招标|采购)联系人)[，:：][A-Za-z0-9_]*(?P<entity>[\u4e00-\u9fa5()（）]{4,20})'
    golden_examples:
      - input: '采购联系人：张先生济南城建集团'
        should_match: true
      - input: '联系人：李先生'
        should_match: false

  - id: final_end_date
    description: >-
      文末（最后 5 句由后往前，去网址/招标办/附件名后 200 字）：
      实体名 + 日期格式（公告日期/电子签章/年月日）。doc 402073799 285264698。
      guard_not: 实体名前后出现 报价记录|竞价成交 则不召回。
    role: tenderee
    prob: 0.51
    priority: 86
    pattern: '([，。；：]|^)(?P<entity>[\u4e00-\u9fa5()（）]{5,20}(，?[\u4e00-\u9fa5]{,8})?)，?\s*((公告|发布)(日期|时间)：|（电子签章），)?[0-9零一二三四五六七八九十〇○]{2,4}[年\-/][0-9零一二三四五六七八九十]{1,2}[月\-/]([0-9零一二三四五六七八九十]{1,2}日?)?'
    guard_not: '报价记录|竞价成交'
    golden_examples:
      - input: '。苏州卫生职业技术学院，2022年11月24日'
        should_match: true
      - input: '传真：0512-62690315，2022年11月24日'
        should_match: false

  - id: final_end_date_fallback
    description: >-
      final_end_date 主模式未命中时，取正文末尾 100 字重试：与主模式的差异为
      引导符不含 ：、(公告|发布) 可选、日期"日"可缺省。
      注：原 role.py L632 此模式括号不平衡（缺 ")"）导致该分支一旦执行必抛
      re.error，属隐性 bug；迁移时已修复（补齐 ")?"），badcase 回归集未覆盖
      该路径，行为差异仅为"原来必崩 → 现在正常匹配"。
    role: tenderee
    prob: 0.51
    priority: 85
    pattern: '([，。；]|^)(?P<entity>[\u4e00-\u9fa5()（）]{5,20}(，?[\u4e00-\u9fa5]{,8})?)，?\s*((公告|发布)?(日期|时间)：|（电子签章），)?[0-9零一二三四五六七八九十〇○]{2,4}[年\-/][0-9零一二三四五六七八九十]{1,2}[月\-/]([0-9零一二三四五六七八九十]{1,2}日?)?'
    guard_not: '报价记录|竞价成交'
    golden_examples:
      - input: '。某某某某单位2022年11月'
        should_match: true
      - input: '传真：0512-62690315'
        should_match: false

  - id: final_station_format
    description: '站源格式：，单位名称：实体名，联系人及联系电话：。doc 665632891'
    role: tenderee
    prob: 0.51
    priority: 85
    pattern: '，单位名称：(?P<entity>[\u4e00-\u9fa5()（）]{4,20})，联系人及联系电话：'
    golden_examples:
      - input: '，单位名称：驻马店市公共资源交易中心，联系人及联系电话：'
        should_match: true
      - input: '，单位名称：某公司'
        should_match: false

  # ---- TendereeRuleRecall：7 级上下文链（front=前 40 词，behind=后 40 词）----
  - id: recall_left_1
    description: '前文（40 词）：采购商/项目法人/询价单位/预算单位/买方单位/购买主体 等+冒号结尾'
    role: tenderee
    prob: 0.55
    applies_to: front
    priority: 70
    pattern: '((?:采购商|项目法人|项目业主)(名称)?|(?:采购商|询价|项目法人|项目业主|申购|预算|买方|需求|寻源|需用|征集)(单位|公司)((?:单位|公司)?名称)?|询价企业|业主单位咨询电话|购买主体|采购工厂|需求方(信息[，：])?(单位|公司)?名称|采购单位[\(（].{1,6}[\)）])[:：是为][^。；，]{,2}$'
    golden_examples:
      - input: '项目业主：'
        should_match: true
      - input: '预算单位名称：'
        should_match: true
      - input: '供应商名称：'
        should_match: false

  - id: recall_left_2
    description: '前文（40 词）：招标承办单位/交易人/招标人代表/交易单位/发起单位/收货单位/使用方/买家信息 等+冒号结尾'
    role: tenderee
    prob: 0.55
    applies_to: front
    priority: 69
    pattern: '(招标承办单位|交易人(?:名称)?|招标人代表|(采购|招标)联系人|交易单位|发起(单位|组织)|收货单位|使用方|买家信息)[:：是为][^。；，]{,2}$'
    golden_examples:
      - input: '招标承办单位：'
        should_match: true
      - input: '收货单位:'
        should_match: true
      - input: '代理机构：'
        should_match: false

  - id: recall_left_3
    description: '前文（40 词）：本公司/本单位（我/本引导）结尾'
    role: tenderee
    prob: 0.55
    applies_to: front
    priority: 68
    pattern: '[本我](?:公司|单位)[\(\[（【]?$'
    golden_examples:
      - input: '本公司'
        should_match: true
      - input: '本单位（'
        should_match: true
      - input: '贵公司'
        should_match: false

  - id: recall_left_4
    description: '前文（40 词）：采购机构/组织单位/执行单位/联系单位 等+冒号结尾（需实体名非代理类或机构类后缀）'
    role: tenderee
    prob: 0.55
    applies_to: front
    priority: 67
    pattern: '(采购机构|(?:采购|招标|询价)?(组织|执行)(机构|方|单位|部门|组织)|联系(单位|部门)|联系(人|方式)，?(单位|公司)(名称)?|联系(人|方式)，名称)[:：是为][^。；，]{,2}$'
    golden_examples:
      - input: '采购机构：'
        should_match: true
      - input: '组织单位:'
        should_match: true
      - input: '招标人：'
        should_match: false

  - id: recall_left_5
    description: '前文（40 词）：撰写单位/发布人/发布单位/发布机构/发布公司/发布部门/发布企业 结尾'
    role: tenderee
    prob: 0.55
    applies_to: front
    priority: 66
    pattern: '(撰写单位|发布(?:人|单位|机构|公司|部门|企业))[^。；，]{,2}$'
    golden_examples:
      - input: '发布单位：'
        should_match: true
      - input: '撰写单位:'
        should_match: true
      - input: '中标单位：'
        should_match: false

  - id: recall_behind
    description: '后文（40 词）：（以下简称"我X"）/(称招标人)/对…进行采购/关于…的公告/的…正在…进行/已批准/选定供应商 等'
    role: tenderee
    prob: 0.55
    applies_to: behind
    priority: 60
    pattern: '^[^。；：:]{,5}[(（](以?下简?称)?，?[，"“]*[我本][一-龥]{1,2}[，"”]*[)）]|^[\(（][^。；：:\)）]{,5}称(?:招标|采购)(?:人|单位)|^[^。；：:]{,10}[对就][^。；，]+，?[^。；，]{,20}进行[^。；，]*(采购|询比?价|遴选|招投?标|征集)|^[^。；：:]{,10}关于[^。；，]+，?[^。；，]{,20}的[^。；，]{,20}公告|^[^。；，：:]{,10}的[^。；，]+，?[^。；]{,20}正在[^。；，]{,5}进行|^[^。；，：:]{,10}的[^。；，]+，?[^。；]{,20}已?[^。；，]{,20}批准|^[^。；，：:]{,15}(选定|选取|征集|遴选)[^。；，]{,20}(供应商|(代理|咨询|设计)[^。；，]{,5}机构|代理人)'
    golden_examples:
      - input: '（以下简称“我院”）'
        should_match: true
      - input: '关于2025年度物业服务项目的公告'
        should_match: true
      - input: '，中标人，'
        should_match: false

  - id: recall_behind_2
    description: '后文（40 词）：前 10 字内出现 招标办/采购部/办事处/采购小组'
    role: tenderee
    prob: 0.55
    applies_to: behind
    priority: 59
    pattern: '^[^。；，：:]{,10}(招标办|采购部|办事处|采购小?组)'
    golden_examples:
      - input: '招标办'
        should_match: true
      - input: '采购小组'
        should_match: true
      - input: '中标办'
        should_match: false

  - id: recall_behind_3
    description: '后文（40 词）：对/就/关于/的 + 项目名（4-40 字），项目名命中 name 实体时召回'
    role: tenderee
    prob: 0.5
    applies_to: behind
    priority: 58
    pattern: '^[^。；，：:]{,10}(对|就|关于|的)(?P<project>[^。；，？！：:]{4,40})'
    golden_examples:
      - input: '关于某某市人民医院物业服务项目'
        should_match: true
      - input: '，中'
        should_match: false

  - id: recall_subject
    description: '公告主语：全文出现 我院/本校/我局（实体名含院/校/局 时召回，prob=0.5+values/10）'
    role: tenderee
    prob: 0.55
    priority: 50
    pattern: '[我本][院校局]'
    golden_examples:
      - input: '我院'
        should_match: true
      - input: '本校'
        should_match: true
      - input: '贵校'
        should_match: false