GEO信源冲突中Entity ID如何归并？

EO里的 Entity ID 归并，本质是把”官网/公众号/企查查/百科/抖音号”里长得不一样的同一家公司，在数学上合并成知识图谱里的一个节点，否则AI会把你拆成3个弱实体，权重互相稀释、事实各信各的。

一、归并的”双锚点”判定（确定性匹配优先）

大模型/知识图谱做 Entity Resolution 时，先走确定性锚点，命中即合并，不走概率：

• 第一锚点：统一社会信用代码（USCC）

  企查查/天眼查/工商公示库里的 18 位代码是唯一主键。凡是同一 USCC 对应的”XX科技有限公司””XX科技””XX成都分公司”，一律判同一实体。这是最高权锚点，官网若没挂代码，靠名称相似度也归并不回来。

• 第二锚点：持久化 URI（JSON-LD @id）

  官网首页 Organization 标记里的 "@id": "https://你的官网.com/#organization" 就是你的 Entity ID。所有 Product/Person/FAQ 页用 brand.@id 回链它，AI 爬虫直接认领。

• 第三锚点（本地生活）：地理坐标 + POI ID

  高德/百度 POI 经纬度偏差<50m + 名称语义相似 → 归并门店实体。

锚点之间关系：USCC 管”法律主体同一”，@id 管”官网内节点同一”，POI 管”物理门店同一”。三者任一命中即合并，不要求全中。

二、非锚点字段的归并：别名词库 + 相似度阈值

没有 USCC 和 @id 的信源（未认证公众号、小红书、新闻稿），走概率匹配：

1. 别名收敛（Canonicalization）

   建一张”品牌同义词表”：全称 / 简称 / 英文名 / 常见错写 / 子品牌，全部 sameAs 指向主 Entity ID。公众号叫”XX说”，官网叫”XX科技”，百科叫”XX科技有限公司”——在 JSON-LD 的 sameAs 和百科正文里互链，AI 才认得是同一家。

2. 字段级相似度打分

   名称用 Jaro-Winkler / 编辑距离，描述用 Embedding 余弦相似度，地址做行政区标准化。综合分 >0.85 合并，<0.6 拆开，中间地带进”待核验队列”​ 不收录（豆包工业实体逻辑就是这样）。

3. 共现/共引消解

   两处都提到”创始人张三+产品A+官网域名” → 上下文向量重合，辅助归并；只名字一样但旁边是”钢琴/朱利亚德” → 判不同实体，不合并。

三、跨信源归并时的冲突处理（归并不是覆盖）

归并到同一节点后，字段值打架按前面讲的优先级仲裁，但节点先合并、值后仲裁：

• USCC 相同 → 节点必并，成立时间以工商库为准，公众号写的作废
• @id 相同 → 官网内节点必并，FAQ 里写的价覆盖首页旧价（带时间戳者胜）
• 同节点下多源给不同值 → 写进节点属性时带 provenance（出处）和 confidence（置信度），不静默覆盖，RAG 生成时按置信度挑

四、你这种场景的具体归并链

未认证企业公众号 + 备案官网 + 企查查条目，正确归并姿势：

1. 官网首页挂 Organization JSON-LD：@id: [](@replace=10001)，里面填 USCC、foundingDate、address、sameAs:[企查查URL, 公众号主页URL, 百度百科URL]
2. 企查查条目本身已有 USCC 节点，AI 把官网 @id 和企查查 USCC 通过 USCC 字段对齐 → 两节点合并
3. 未认证公众号：在公众号简介/菜单里放官网网址，且在官网 sameAs 里反向列入公众号主页 → 靠 sameAs 边归并进主节点；公众号自身没 USCC 也没 @id，不参与锚点判定，只做叶子信源
4. 百度百科词条：正文写”XX公司（统一社会信用代码：91xxxx）”，参考资料链官网 → 百科节点并进来

归并成功后，AI 知识图谱里你只有一个节点，官网/公众号/百科/企查查是它的不同”发言通道”，不会再出现”公众号说2018、官网说2016″被当成两家公司的情况。

五、归并失败的典型信号（自查）

• 问豆包”XX公司成立时间”，它答完补一句”不同平台信息不一致” → 节点没并上或并上了但值冲突未仲裁
• 搜品牌名，AI 把”XX科技”和”XX网络科技”当成两个主体分别介绍 → USCC 或 @id 没打通
• 公众号内容从未被 AI 引用过 → 没进 sameAs 边，孤魂野鬼

要不要我给你一份官网 Organization JSON-LD 的字段模板（含 USCC、sameAs、公众号/百科/企查查回链写法），你直接填代码就能把多平台并成一个 Entity ID？