STEA_plan.md

# STEA(W-I) / STEA(Y-I) 时空实体对齐数据集构建方案

## 1. 目标与设计原则

### 1.1 目标
基于已有 STKGA 的 `icews_wiki` 和 `icews_yago` 纯时序数据集，为每条 triple 补充异构空间位置信息，构建时空五元组 `(head, rel, tail, time, spatial_info)`，产出两个新数据集：
- **STEA(W-I)**：ICEWS ↔ Wikipedia，含空间事实
- **STEA(Y-I)**：ICEWS ↔ YAGO，含空间事实

### 1.2 设计决策

| 决策项 | 选择 | 理由 |
|--------|------|------|
| 空间粒度 | 事件/元组级别 | 每条 triple 自带空间信息，而非套实体级静态坐标 |
| 空间表示 | 异构三模态 | `lat/lon` + `spatial_text` + `admin_region` 并行独立 |
| 无空间信息 | 跳过不填 | 不强制造假数据 |
| 原始数据 | 一字不改、一行不删 | 纯 JOIN 追加列，原始文件全部复用 |
| 命名 | STEA(W-I) / STEA(Y-I) | 与 PhyWorld-Align 论文对齐 |

### 1.3 异构空间设计

对标论文核心挑战：*"同一个实体在不同 KG 中空间记录方式截然不同——KG1 用精确 GPS，KG2 只有文本描述"*

每条 triple 的空间字段从简单的 `lat\tlon` 升级为 **三模态并行**：

```
head_id  rel_id  tail_id  time_id  flag  lat     lon       spatial_text       admin_region
6138     111     3990     135      135   41.9028 12.4964   Rome, Italy        Italy/Lazio/Rome
6147     3       10429    204      204                                     office corridor
22665    272     11465    324      324   38.8977 -77.0365  US Capitol        United States/DC
```

| 字段 | 说明 | ICEWS 端来源 | Wikipedia 端来源 | YAGO 端来源 |
|------|------|-------------|-----------------|-------------|
| `lat` | 纬度 | ICEWS Latitude | Wikidata P625 | YAGO hasLatitude |
| `lon` | 经度 | ICEWS Longitude | Wikidata P625 | YAGO hasLongitude |
| `spatial_text` | 文本位置描述 | City + Actor name | Wikidata P276 / 页面标题 | YAGO happenedIn |
| `admin_region` | 层级行政区域 | Country/Province/City | Wikidata P131/P17 | YAGO isLocatedIn |

**关键**：三列互不依赖，各自独立。某列没有就留空。

---

## 2. 数据现状

| | icews_wiki | icews_yago |
|---|---|---|
| KG1 实体 | 11,047 (ICEWS) | 26,863 (ICEWS) |
| KG1 三元组 | 3,527,881 | 4,192,555 |
| KG2 实体 | 15,831 (Wikipedia) | 22,555 (YAGO) |
| KG2 三元组 | 198,257 | 107,118 |
| 训练/测试对 | 1,518 / 3,540 | 5,648 / 13,176 |

---

## 3. 三路空间数据获取

### Phase 1: Wikipedia 实体空间数据

**数据源**：Wikidata SPARQL (`query.wikidata.org/sparql`)

```sparql
SELECT ?enTitle ?lat ?lon ?adminLabel ?locationLabel ?countryLabel WHERE {
  VALUES ?enTitle { "title1"@en ... }
  ?article schema:about ?item ;
           schema:isPartOf <https://en.wikipedia.org/> ;
           schema:name ?enTitle .
  OPTIONAL { ?item wdt:P625 ?coord . }          # GPS
  OPTIONAL { ?item wdt:P131 ?admin . }          # 行政区域
  OPTIONAL { ?item wdt:P276 ?location . }       # 所在位置
  OPTIONAL { ?item wdt:P17 ?country . }         # 国家
}
```

**参数**：250 实体/批，64 批，间隔 1.5s，90s 超时，3 次重试

### Phase 2: YAGO 实体空间数据

**方案 A**：YAGO SPARQL (`yago-knowledge.org/sparql`)
```sparql
SELECT ?entity ?lat ?lon ?locationName ?adminName WHERE {
  VALUES ?entity { <http://yago-knowledge.org/resource/XXX> ... }
  OPTIONAL { ?entity yago:hasLatitude ?lat . }
  OPTIONAL { ?entity yago:hasLongitude ?lon . }
  OPTIONAL { ?entity yago:isLocatedIn ?admin . }
  OPTIONAL { ?entity yago:happenedIn ?location . }
}
```

**方案 B**（备选）：YAGO 4.5 RDF dump 本地解析

### Phase 3: ICEWS 事件空间数据

**数据源**：哈佛 Dataverse ICEWS Coded Event Data

1. 下载 ICEWS 事件数据（`.tab`，约 2GB）
2. 构建 `Actor Name → Entity ID` 映射
3. 遍历 `triples_1`，用 `(actor, event_type, date)` 匹配原始 ICEWS 事件
4. 提取：`Latitude, Longitude, City, Province, Country`
5. 备选：若匹配率低，用 Nominatim Geocoding 补充

---

## 4. 融合逻辑

```
对 triples_1 每条 (h, r, t, time):
  → 用 (h_entity_name, r_type, time_window) 搜 ICEWS 原始事件
  → 匹配成功: lat, lon, spatial_text(City), admin_region(Country/Province)
  → 匹配失败: 四列留空

对 triples_2 每条 (h, r, t, time):
  → 用 h_entity_id 查 Phase 1/2 结果
  → 有数据: lat, lon, spatial_text, admin_region
  → 无数据: 四列留空
```

**融合不是外部数据混合**：原始 triple 一行不改，只在末尾 JOIN 追加空间列。

---

## 5. 输出文件结构

### STEA_W-I/ 和 STEA_Y-I/ 各 12 个文件

```
STEA_W-I/
├── ent_ids_1         复用
├── ent_ids_2         复用
├── rel_ids_1         复用
├── rel_ids_2         复用
├── time_id           复用
├── sup_pairs         复用
├── ref_pairs         复用
├── ref_ent_ids       复用
├── triples_1.tsv     NEW：原 5 列 + lat + lon + spatial_text + admin_region
├── triples_2.tsv     NEW：同上
├── ent_locations_1.tsv  NEW：实体坐标索引
└── ent_locations_2.tsv  NEW：实体坐标索引
```

### 新增文件列结构

**triples_1.tsv / triples_2.tsv**（9 列）：
```
head_id  rel_id  tail_id  time_id  flag  lat  lon  spatial_text  admin_region
```

**ent_locations_1.tsv / ent_locations_2.tsv**（6 列）：
```
entity_id  lat  lon  spatial_text  admin_region  source
```

---

## 6. 校验

| 校验项 | 规则 |
|--------|------|
| 坐标范围 | lat ∈ [-90,90], lon ∈ [-180,180] |
| 缺失率 | 分别统计四列在 triples_1 和 triples_2 中的填充率 |
| 一致性抽查 | ICEWS 端同一实体相邻时间戳坐标距离是否物理可达 |
| 行数不变 | `wc -l triples_1.tsv == wc -l triples_1_原文件` |

---

## 7. 执行步骤

| 步骤 | 内容 | 预估 |
|------|------|------|
| P1 | Wikidata SPARQL 查 Wikipedia 空间数据 | 15 min |
| P2 | YAGO SPARQL 查 YAGO 空间数据 | 15 min |
| P3a | 下载 ICEWS 原始事件 | 10 min |
| P3b | ICEWS 事件匹配提取 | 30 min |
| P4 | 融合生成 triples + ent_locations | 5 min |
| P5 | 校验 + 统计 | 5 min |
| P6 | 上传 Hugging Face | 10 min |

---

## 8. 发布

**仓库**：`https://huggingface.co/datasets/eduzrh/STKGA`
**目录**：`STEA_W-I/` 和 `STEA_Y-I/`

---

## 9. 风险应对

| 风险 | 应对 |
|------|------|
| Wikidata SPARQL 超时 | 减小批次 200，3 次重试 |
| YAGO SPARQL 不可用 | 改本地 RDF dump 解析 |
| ICEWS 下载受限 | Nominatim geocoding 替代 |
| ICEWS Actor 不匹配 | 模糊匹配 + 高频实体手动标注 |