可检查的发现实验 / 03 · 真实来源资料

他们已有的关系，
能从上下文找回来吗？

325 份来自公开科研、开源与创业资料的职业描述。让程序先看各自的上下文，再用旧实验留下的关系记录核对：哪些人被找到，哪些没有，换一种组合方法会怎样。

325主体档案

963当前可核对的关系标签

1 / 5 / 10 / 20固定候选数量，比较找回情况

这是实际 JEV 计算结果的公开回放，浏览不会产生费用。姓名、账号、联系方式与直接链接已移除；职业内容仍可能使人物被间接识别。共同论文、组织或团队标签是关系线索，不等于每一对人都确认过合作意愿。

同样只给你十个人，哪种方法找回更多？

各方法使用同一批资料。下表先看已有关系是否出现在候选中；未知关系不当作错误。点击方法后，图谱与候选名单同步切换。

方法	前 1	前 5	前 10	前 20

主表沿用“任一方向找到即命中”的无向关系口径。完整导出同时保留有向口径、候选总数和每类关系结果。这里不是准确率：标签没有覆盖全部可能关系。

查看新增找回的一对

查看不再进入前十的一对

选择后，图谱跳到能找到这条边的方法与出发方，并展示双方上下文。这些是旧名单中的关系，新增找回不等于新发生了合作。

从谁的上下文出发

查看哪种方法

展示候选数量

候选中已有关系标签候选中尚无关系标签跨来源探索入口已知关系未进候选

所有圆点的位置固定。亮线表示所选方法给出的候选；点击节点，阅读双方材料和已有标签。动画展示已完成计算的结果。

通爻旧报告记录过 98.65%，恢复数据重跑后为 893／972，即 91.87%。旧方法每人最多重排 160 个候选，实际平均提名约 80.5 人；因此不能把它和这里的前十召回率直接比较。现在固定候选数量，同时公开找到与漏掉的关系，才能看出方法究竟把谁排到了前面。

现存 325 份规范化资料缺少一个旧关系端点，对应 9 条边。本次保留这个差异，使用可对应到资料的 963 条关系。其中有共同论文、同一开源组织和同一创业团队，也有 24 条人工挑选的跨来源种子关联。它们的来源与意义不同，完整结果按关系类型分别列出。

本地词面检索和 MiniLM 向量检索先给出候选，再用一个固定的融合规则排序。J++ 将每一对上下文交给同一类问题，组织并行计算、保存判断，并让排序结果继续成为下一步输入。实验保留了“只处理前二十候选”和“展开更多候选”的结果，也区分接受一个确定等级与对不确定读数做相对排序。

相对排序只表示哪些材料更值得先看，并不把尚无把握的关系变成确定事实。页面会保留不确定状态；没有历史标签的新候选仍需要读材料、联系本人或独立评阅。

现有资料中仍有共同论文内容和公司等直接线索，因此这个实验检验的是已有关系的恢复。严格的陌生发现测试，还应使用合作发生前或与目标合作无关的材料，把后来发生的合作留作标签。仅删除姓名或论文标题，若共同摘要仍在，就不能声称模型已在没有直接线索的情况下预测了合作。