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

# PREMPredict.predict_money / correct_money_by_rule 模型后修正规则
# （角色分类流程优化 Phase B 外置 / Phase C 机器可读化）。
#
# 来源：dl/predictors/prem.py
#   - PREMPredict.predict_money（约 403-437 行）：按 label 分支的金额修正链
#   - PREMPredict.correct_money_by_rule（约 440-454 行）：标题/正文类别修正
#
# 机器可读语义（Phase C RoleRuleEngine 消费）：
#   - stage：引擎执行阶段。金额链路固定阶段序（对应原代码 if/elif 短路语义）：
#       阈值过滤（label∈[0,1] 且 values[label]<p_model_threshold → label=2，
#       终止）→ 按 label 进入分支阶段：
#         label=1 → m1；label=0 → m0；label=2 → m_bid
#       （阈值过滤命中的实体不再走任何分支；label 0/1 的 elif 分支必被取走，
#        故 m_bid 阶段仅有模型原始 label=2 的实体到达，原代码
#        `label != 1 or values[label] < 0.5` 条件由阶段序保证恒真。）
#       doc_title 阶段独立于上述链路，由 correct_money_by_rule 按标题/正文
#       类别批量修正（entity_filter 过滤实体，不依赖 front/behind 切片）。
#   - model_labels：规则仅对当前 label 命中列表内值时生效。
#     标签映射：0=招标金额（预算/控制价），1=中标金额（成交价），2=其他金额。
#   - applies_to：pattern 匹配的切片。front=金额实体前文（13 字），
#     behind=金额实体后文（15 字），title=公告标题（doc_title 阶段用）。
#   - window：applies_to 切片的截断（front 取末 size 字 / behind 取前 size 字），
#     对应原代码 front[-N:]/behind[:N]。
#   - guard / guard_not / or_trigger：结构化条件（AND / OR-排除 / OR-替代触发），
#     类型见 schema/pattern_schema.json definitions.condition。
#     条件 on=title_content_head 时求值目标为 标题+正文前 size 字，
#     对应原代码 title + content[:100]。
#   - entity_filter：doc_title 阶段实体过滤（entity_type / notes_in / label）。
#   - set_label / set_prob：命中后改写的标签与概率。set_prob.index 显式指定
#     values 写入槽位；缺省 = set_label（若有）否则当前 label。原代码中
#     `values[旧label]=x; label=N`（先写概率后改标签）用 index=旧label 表达。
#   - 阈值过滤为程序逻辑（非 YAML 规则），引擎用 probability_ladder 的
#     p_model_threshold 常量执行。
version: 1
category: MONEY
description: >-
  金额模型预测后的上下文修正规则：按模型预测 label 分支，用金额实体
  前文(front)/后文(behind)模式纠正错分的招标金额/中标金额/其他金额，
  以及按公告标题类别的批量修正。
probability_ladder:
  p_model_threshold: 0.5
  p_rule_override: 0.501
  p_fallback: 0.51
  p_title: 0.55
patterns:
  # ---- m1：label=1（中标金额）分支 ----
  - id: fix_m1_total_price_boost
    description: '前文：(总金额|总价|单价|合价)： 结尾且前文不含 中标|投标|成交|中价 → 保持 label=1，values[1]=0.5'
    stage: m1
    model_labels: [1]
    applies_to: front
    pattern: '[:：，。](总金额|总价|单价|合价)(（万?元）)?：?$'
    guard_not:
      - {type: regex, on: front, pattern: '中标|投标|成交|中价'}
    set_prob: {value: 0.5}
    golden_examples:
      - input: '，总价：'
        should_match: true
      - input: '总价'
        should_match: false

  - id: fix_m1_formula_demote
    description: '前文：+（中标金额 / 如中标金额为 等公式变量 → values[1]=0.49。doc 241561780'
    stage: m1
    model_labels: [1]
    applies_to: front
    pattern: '[\+=]（(中标|成交)(金?额|价格?)|[若如]果?(中标|成交)(金?额|价格?)为?'
    set_prob: {value: 0.49}
    golden_examples:
      - input: '如中标金额为'
        should_match: true
      - input: '中标金额'
        should_match: false

  - id: fix_m1_rate_demote
    description: '后文[:20]：按N%收取 / 及以上 / +N% / 服务招标费率 / 招标代理服务收费 → values[1]=0.49。doc 628951835'
    stage: m1
    model_labels: [1]
    applies_to: behind
    window: {size: 20}
    pattern: '^(以[上下])?按[\d.%]+收取|^及?以[上下]|^[（）]?[+×*-][\d.%]+|服务招标费率|招标代理服务收费'
    set_prob: {value: 0.49}
    golden_examples:
      - input: '按1.5%收取'
        should_match: true
      - input: '以上'
        should_match: true
      - input: '收取'
        should_match: false

  - id: fix_m1_inclusive_demote
    description: '前文：(含|在|包括|大于|达到)$ 或 N%× 结尾 → values[1]=0.49'
    stage: m1
    model_labels: [1]
    applies_to: front
    pattern: '(含|在|包括|[大小等高低]于|达到)$|[\d.%]+[+×*-]$'
    set_prob: {value: 0.49}
    golden_examples:
      - input: '控制在'
        should_match: true
      - input: '100×'
        should_match: true
      - input: '含税'
        should_match: false

  # ---- m0：label=0（招标金额）分支 ----
  - id: fix_m0_investment_boost
    description: '前文：投资(金额|规模)： 结尾，或 entity.notes ∈ {投资,总投资,工程造价} → 保持 label=0，values[0]=0.51。doc 545988699'
    stage: m0
    model_labels: [0]
    applies_to: front
    pattern: '投资(金额|规模)：$'
    or_trigger:
      - {type: notes_in, values: ['投资', '总投资', '工程造价']}
    set_prob: {value: 0.51}
    golden_examples:
      - input: '投资金额：'
        should_match: true
      - input: '总金额：'
        should_match: false

  - id: fix_m0_floor_price_demote
    description: '前文：最低限价：/注册资本 或 服务内容：N元- 结尾 → values[0]=0.49 且 label=2'
    stage: m0
    model_labels: [0]
    applies_to: front
    pattern: '最低限价：?$|注册资本|服务内容：([\d,.]+万?亿?元?-?)$'
    set_label: 2
    set_prob: {index: 0, value: 0.49}
    golden_examples:
      - input: '最低限价：'
        should_match: true
      - input: '注册资本'
        should_match: true
      - input: '最高限价：'
        should_match: false

  - id: fix_m0_rate_demote
    description: '后文：按N%收取 / 及以上 / +N% / （含） → values[0]=0.49'
    stage: m0
    model_labels: [0]
    applies_to: behind
    pattern: '^(以[上下])?按[\d.%]+收取|^及?以[上下]|^[（）]?[+×*-][\d.%]+|（含）'
    set_prob: {value: 0.49}
    golden_examples:
      - input: '以上'
        should_match: true
      - input: '下'
        should_match: false

  - id: fix_m0_estimate_demote
    description: '前文：预计约?为$ 结尾且前文不含 招标金额|限价|预算|控制价|拦标价 → label=2。doc 565894149'
    stage: m0
    model_labels: [0]
    applies_to: front
    pattern: '预计约?为?$'
    guard_not:
      - {type: regex, on: front, pattern: '招标金额|限价|预算|控制价|拦标价'}
    set_label: 2
    golden_examples:
      - input: '（预计约'
        should_match: true
      - input: '预算约为'
        should_match: false

  - id: fix_m0_hangwang_demote
    description: '前文：挂网价(（万?元）)： → label=2。doc 634316533'
    stage: m0
    model_labels: [0]
    applies_to: front
    pattern: '挂网价(（万?元）)?：'
    set_label: 2
    golden_examples:
      - input: '挂网价（元）：'
        should_match: true
      - input: '网价：'
        should_match: false

  # ---- m_bid：label=2（其他金额）分支（模型原始 label=2 才到达）----
  - id: fix_m_bid_total_boost
    description: '前文：报价：预估不?含税总价[为：]$ 且（label≠1 或 values[label]<0.5；由阶段序保证恒真）→ label=1，values[1]=0.8'
    stage: m_bid
    model_labels: [2]
    applies_to: front
    pattern: '报价：预估不?含税总价[为：]$'
    set_label: 1
    set_prob: {value: 0.8}
    golden_examples:
      - input: '报价：预估不含税总价：'
        should_match: true
      - input: '报价：'
        should_match: false

  # ---- doc_title：标题/正文类别批量修正（correct_money_by_rule）----
  - id: fix_m_title_tenderee_amount
    description: >-
      标题恰含一个 监理|施工|设计|勘察 且不含 施工|总承包|EPC，或正文含 服务金额：
      将 notes=招标或中标金额 且 label=2 的金额实体改为招标金额（values[0]=0.55）。
      标题+正文前100字不含 中标|成交|中选|中价|中租|结果|入围 时走本规则，
      否则走 fix_m_title_winner_amount。
    stage: doc_title
    applies_to: title
    pattern: '监理|施工|设计|勘察'
    or_trigger:
      - {type: regex, on: content, pattern: '服务金额'}
    guard:
      - type: any
        of:
          - type: all
            of:
              - {type: count_eq, on: title, pattern: '监理|施工|设计|勘察', equals: 1}
              - {type: regex_not, on: title, pattern: '施工|总承包|epc|EPC'}
          - {type: regex, on: content, pattern: '服务金额'}
    guard_not:
      - {type: regex, on: title_content_head, size: 100, pattern: '中标|成交|中选|中价|中租|结果|入围'}
    entity_filter:
      entity_type: money
      notes_in: ['招标或中标金额']
      label: 2
    set_label: 0
    set_prob: {value: 0.55}
    golden_examples:
      - input: '某监理服务项目招标公告'
        should_match: true
      - input: '某货物采购项目公告'
        should_match: false

  - id: fix_m_title_winner_amount
    description: >-
      同 fix_m_title_tenderee_amount 的触发条件，但标题+正文前100字含
      中标|成交|中选|中价|中租|结果|入围（中标/成交类公告）：
      将 notes=招标或中标金额 且 label=2 的金额实体改为中标金额（values[1]=0.55）。
    stage: doc_title
    applies_to: title
    pattern: '监理|施工|设计|勘察'
    or_trigger:
      - {type: regex, on: content, pattern: '服务金额'}
    guard:
      - type: any
        of:
          - type: all
            of:
              - {type: count_eq, on: title, pattern: '监理|施工|设计|勘察', equals: 1}
              - {type: regex_not, on: title, pattern: '施工|总承包|epc|EPC'}
          - {type: regex, on: content, pattern: '服务金额'}
      - {type: regex, on: title_content_head, size: 100, pattern: '中标|成交|中选|中价|中租|结果|入围'}
    entity_filter:
      entity_type: money
      notes_in: ['招标或中标金额']
      label: 2
    set_label: 1
    set_prob: {value: 0.55}
    golden_examples:
      - input: '某监理服务项目中标公告'
        should_match: true
      - input: '某货物采购项目公告'
        should_match: false