kgdiff 如何区分各种变化

在说出一个节点被改名、移动还是合并之前，kgdiff 先要确定新版本里的每个节点对应旧版本里的哪个节点。差异结果里的大多数意外都来自这一步配对。本页逐一回答审阅者最常问的问题，说明 kgdiff 在每种情况下怎么做。每个例子都用命令行实际跑过；精确的规则见 Algorithms（英文）。

配对是怎么做的

1. id 相同的节点先配对（--match id 和默认的 auto）。
2. 替代声明把一个节点和替代它的节点配成一对：OBO 的 replaced_by 和 alt_id，RDF 的 IAO:0100001，kgdiff JSON 的 replacedBy / replaces。
3. 相似度为剩下的节点配对（auto），或者为全部节点配对（--match similarity，适用于每次运行 id 都会变的图）。得分里名称的权重最大（55%），其次是已经配上的邻居（25%）、类型（10%）和属性（10%）。一对节点要达到 --threshold（默认 0.82），并且比每个竞争者至少高 0.05，才会被接受。

配对是一对一的。没有配上的节点会被报告为删除或新增。差一点配上的一对，即得分在 0.6 和阈值之间、或者和竞争者不相上下，会作为可能的匹配列出：在终端摘要和 Markdown 摘要的最后，以及查看器的详情面板里。

是改名，还是删除加新增？

两次抽取把同一家公司分别叫作“Saudi Aramco”和“Aramco”，id 是新生成的，四个邻居相同。两个名称只有一个词相同，所以这一对得分 0.80，刚好低于阈值：

  删除 1
  − 删除「Saudi Aramco」及 3 条关系   删除 · 类型 Organization · 原关联 …
  …
  新增 1
  + 新增「Aramco」及 3 条关系         新增 · 类型 Organization · 关联 …

  可能的匹配 1
  ≈ 「Saudi Aramco」→「Aramco」   80% · 低于阈值 82% · 名称 67% · 邻居 100%

kgdiff 不会去猜：它只报告能确定的结论，把这一对留给审阅者判断。下面任意一种做法都能让它成为改名（~ 「Saudi Aramco」改名为「Aramco」）：

• 新版本把旧名称保留为别名（aliases、skos:altLabel、OBO 的 synonym）；
• 用替代声明指向旧节点；
• 调低 --threshold，这里是 0.79。它对所有节点对都生效，调低时要谨慎。

是改名，还是合并？

改名是标签发生变化的一对节点。合并需要的不只是共享邻居。要么有替代声明明确指出合并目标，要么同时满足两点：旧节点的名称与目标的名称几乎相同，或者被保留为目标的别名；并且旧节点至少一半的关系现在连到了目标上。这些证据的置信度必须达到 0.75；更弱的情况会列出来交给审阅者，而不会报告为合并。

同一次修改里既改名又移动

id 稳定时，一个节点同时改了名称和上级，会显示为一处变化：

  ~ 「Customer Support」改名为「Customer Success」   内容 · 移至「Sales」下

如果 id 也是新生成的，而名称和邻居又都变了，就没有任何证据表明它还是同一个节点，因此会被报告为删除加新增。保持 id 稳定，或者写上替代声明，才能让这样的变化保持可读。

同名的不同事物

两个版本里都有“Apple”公司和“Apple”水果时，类型和邻居会把它们区分开：各自和自己的对应节点配对；之后删掉水果，也不会把它当成并入了公司。

如果每个版本只有一个“Mercury”，变更前是行星、变更后是化学元素，两者名称相同、类型却不一致。kgdiff 不会只凭名称就把它们配成一对，而是等它们的邻居配好之后再判断；使用 --match similarity、所有节点都从零开始配对时也是如此。两者的邻居同样不一致（行星绕太阳运行，元素的符号是 Hg），所以这一对只会成为可能的匹配。因为名称相同，两侧都附上了各自的 id：

  ≈ 「Mercury」（m1）→「Mercury」（x1）   61% · 低于阈值 82% · 名称 100% · 邻居 0%

邻居能印证的类型变化仍然算作一处变化：一个仍然绕太阳运行、只是类型改了名的“Mercury”，会显示为 ~ 修改「Mercury」的类型。

对称的图

名称重复、结构又对称时，几种配对方式一样好。kgdiff 拒绝从中挑一个。六个都叫“C”的原子，在一个版本里连成一个环，在另一个版本里连成两个三角形，id 是新生成的：每一对候选都不相上下，因此一对也不接受。环被报告为删除，两个三角形被报告为新增，这些不相上下的节点对则作为“与其他候选过于接近”的可能的匹配列出。

移动和含义的变化

• 层级中的移动是单独的一类变化：结构调整，使用结构的颜色，排在其他修改之前。改名和属性修改属于内容。哪些关系算作层级由 --hierarchy 决定（默认包括 subClassOf、is_a、skos:broader 等）。
• 改写后的定义是一次属性变化。摘要会把它标记为 ⚑ 优先审查（内容 · ⚑ 定义 · 属性 ~1），查看器则在节点的详情面板里把它显示为字符级的差异。用 --watch-attr 可以指定其他需要标记的属性。
• kgdiff 不判断含义是否发生了偏移。它让这类修改清楚可见，把判断留给审阅者。