数据模型

三层定义保持一致：本体 schema（src/kg/ontology.py::build_schema()，驱动 /ontology 页与 RDF 导出）↔ SQLite 实例库（data/xgb_wiki.db，§1–§6）↔ RDF 导出（src/kg/rdf_export.py）。本页按 SQLite 实际表结构（2026-09-05 实测）整理。另有派生库 知识图谱（data/graph.db，§7）与镜像库 staging（data/staging.db，见 staging-schema.md）。概念含义见名词解释；模型取舍的设计动机见设计方案 §2。

1. 实体表（8 张）

chain 产业链

列	类型	说明
id	TEXT PK	链标识（slug），即本体 chainId
name	TEXT	如"AI算力"
description	TEXT

segment 环节

列	类型	说明
id	TEXT PK	环节标识，即本体 segmentId
chain_id	TEXT	所属链（→ chain.id，segment_part_of_chain）
name	TEXT	自由命名，用研报原文词汇
segment_type	TEXT	角色类型，开放字典（默认六类，见 §3）
stage_tag	TEXT	派生粗分组（上游/中游/下游/配套）
order_no	INTEGER	链内顺序（工序型链有意义）
is_bottleneck	INTEGER	卡脖子标记 0/1

theme 题材

列	类型	说明
plate_id	INTEGER PK	板块 ID，即本体 plateId
name	TEXT NOT NULL
classification	TEXT	概念 / 行业 / 风格（+ 待审核/未知）
occurrence_count	INTEGER	出现次数（全库聚合）
first_seen_at / last_seen_at	TEXT	首次/最近提及
decay_score	REAL	衰减热度（见设计方案 §2.4）
cnt_5d / cnt_10d / cnt_20d / cnt_30d	INTEGER	滚动时间窗出现次数（自然日口径，截至最新研报日；`src/content/trends.py` 重算）
streak_days	INTEGER	后端指标（已不用于展示）：从最后一次提及往前数的连续数据日数。页面口径已改为活跃天数=所选窗口内出现过的数据日数（`src/trends.theme_active_days` 现算，不落列）

theme_daily 每日题材（时间轴基础表）

列	类型	说明
day + theme_id	PK	数据日（YYYY-MM-DD）× 题材
cnt	INTEGER	当日提及篇数
core_cnt	INTEGER	当日强证据提及数（is_core=1）

任意时间窗（非仅 5/10/20/30）与逐日时间轴视图均由本表现算；scripts/sync/refresh_trends.py 可脱离 MySQL 单独重算。

report_section 观点单元（每日简报基础表）

列	类型	说明
report_id + seq	PK	所属研报 × 小节序号（枚举位置；live/兜底单卡 seq=0）
heading	TEXT	小节标题（digest 正文编号小节；live 为空）
viewpoint	TEXT	观点句（≤70 字：信号句 → 首句 → 标题兜底）
evidence	TEXT	小节正文摘录（≤300 字，截去文末引用块）
reason_type	TEXT	催化类型（同 report_stock 口径，开放字典）
is_core	INTEGER	命中 is_core=1 提及（强股/编辑打标）时为 1
broker_name / source_title	TEXT	可选增强：券商名出现在节内文本时归属，否则为空

配套关联表 section_stock(report_id, seq, stock_code) / section_theme(report_id, seq, theme_id)。口径：个股/题材以小节内文本匹配为主源（report_stock/report_theme 是编辑打标口径，"关注"清单入库率仅 20%）； live 研报为单卡（标题即观点），个股/题材取编辑打标作交叉引用。由 src/content/daily.py 解析，同步管线自动回填（近 7 日，幂等）；存量回填用 python scripts/sync/refresh_daily.py。实现细节表，不入本体 schema。

stock 个股

列	类型	说明
code	TEXT PK	股票代码
name	TEXT

broker 券商

列	类型	说明
id	INTEGER PK 自增	即本体 brokerId
name	TEXT UNIQUE	如"东吴证券"

report 研报

列	类型	说明
id	TEXT PK	`"{src_type}-{src_id}"` 组合，即本体 reportId
src_type	TEXT NOT NULL	`live` / `digest`（两源合一表）
src_id	INTEGER NOT NULL	源表主键
column_name	TEXT	栏目（config.py 栏目字典映射）
title / summary / display_time	TEXT	标题/摘要/展示时间
is_premium	INTEGER	APP 端标记（库里存全文，仅存档用）
content	TEXT	正文 HTML（渲染原文页用）

rating_event 评级事件

列	类型	说明
id	INTEGER PK 自增	即本体 eventId
event_type	TEXT	开放字典（见 §3）
event_date	TEXT	评级行动日期（来源块日期）
analyst_name / analyst_license	TEXT	分析师姓名 / S 开头执业编号
broker_id	INTEGER	发出方（→ broker.id，rating_event_issued_by_broker）
stock_code / stock_name	TEXT	针对标的（stock_code 关联 stock.code，stock_name 为冗余显示名）
source_title	TEXT	原始研报标题（事件识别依据）
report_id	TEXT	引用自哪篇脱水研报（→ report.id）

注：评级事件的三条关系（targets/issuedBy/citedIn）以本表外键列物化，不再建关联表。

image_asset 图片

列	类型	说明
id	TEXT PK	URL 哈希，即本体 imageId
url	TEXT UNIQUE	image.xuangubao.cn 直链
context_text	TEXT	正文上下文（前后各 100 字）
parse_status	TEXT	unparsed / pending / parsed / failed
parsed_type	TEXT	解析归类：产业链图 / 数据图表 / 其他
parsed_content	TEXT	解析文本结果
parsed_at	TEXT	解析时间（运维字段，不进本体 schema）

2. 关系表（8 张 + 3 条物化）

全库关联总览（实体只列主键/外键与识别列，全量字段见 §1；多对多边的标签即中间表名，边上的关系属性见下方表格）：

erDiagram
    chain {
        TEXT id PK "链 slug"
        TEXT name "如 AI算力"
    }
    segment {
        TEXT id PK
        TEXT chain_id FK
        TEXT segment_type "开放字典 §3"
    }
    theme {
        INTEGER plate_id PK
        TEXT name
        TEXT classification "概念/行业/风格"
    }
    theme_daily {
        TEXT day PK "数据日"
        INTEGER theme_id PK
    }
    stock {
        TEXT code PK
        TEXT name
    }
    broker {
        INTEGER id PK
        TEXT name
    }
    report {
        TEXT id PK "live-或digest-前缀"
        TEXT src_type "live / digest"
        INTEGER src_id "源表主键"
    }
    report_section {
        TEXT report_id PK
        INTEGER seq PK "小节序号"
        TEXT viewpoint "观点句"
    }
    report_tag {
        TEXT report_id PK
        INTEGER tag_id PK "栏目字典 config"
    }
    rating_event {
        INTEGER id PK
        TEXT event_type "开放字典 §3"
        INTEGER broker_id FK
        TEXT stock_code FK
        TEXT report_id FK
    }
    image_asset {
        TEXT id PK "URL 哈希"
        TEXT url "image.xuangubao.cn 直链"
    }

    chain ||--o{ segment : segment_part_of_chain
    theme }o--o{ segment : theme_segment
    theme }o--o{ stock : theme_stock
    report }o--o{ theme : report_theme
    report }o--o{ stock : report_stock 推荐个股
    report }o--o{ broker : report_broker
    report ||--o{ image_asset : report_image
    image_asset }o--o{ theme : image_theme
    broker ||--o{ rating_event : issued_by
    stock ||--o{ rating_event : targets
    report ||--o{ rating_event : cited_in
    report ||--o{ report_section : 正文分节
    report_section }o--o{ stock : section_stock
    report_section }o--o{ theme : section_theme
    report ||--o{ report_tag : 栏目标签
    theme ||--o{ theme_daily : 每日题材

本体关系	SQLite 表	基数	关系属性
segment_part_of_chain	segment.chain_id 列	多对一	—
theme_located_at_segment	theme_segment	多对多	evidence（来源出处）
theme_associates_stock	theme_stock	多对多	occurrence_count, first_seen_at, last_seen_at, decay_score, core_count（核心提及数）
report_mentions_theme	report_theme	多对多	reason, reason_type, evidence_quote, is_core, weight
report_mentions_stock	report_stock	多对多	同上
report_cites_broker	report_broker	多对多	analyst_name, analyst_license, source_title, cited_date
rating_event_targets_stock	rating_event.stock_code 列	多对一	—
rating_event_issued_by_broker	rating_event.broker_id 列	多对一	—
rating_event_cited_in_report	rating_event.report_id 列	多对一	—
report_cites_image	report_image	一对多	—
image_depicts_theme	image_theme	多对多	—
report_has_column_tag	report_tag	一对多	tag_id → `LIVE_TAG_COLUMNS` / `DIGEST_TAG_COLUMNS` 栏目字典（吸收自 2_xuangubao 分类口径，`REPORT_NAV` 三组导航）

提及关系（report_theme / report_stock）即推荐观点记录：一行 = "某研报在某时间以某原因提及某标的"。weight 为该次提及的热度权重（核心 1.0 / 共现 0.3，写库时由 config 固化），is_core 保留原始证据强度供重新加权。

辅助表 etl_meta(key, value)：built_at（构建时间）、ref_date（源数据基准时间）、 wm_live_id / wm_digest_id（增量同步进度标记 = 源表主键最大 id，含已删除行；旧库缺失时按 report.MAX(src_id) 自动引导）。

同步日志表 sync_log（src/pipeline/sync.py 写入，每次同步一条，含失败记录）： started_at/finished_at/mode(full|incremental)/status(success|env_failed|failed_rolled_back)/ duration_s/new_live/new_digest/deleted_live/reports_before/reports_after/wm_before/wm_after/ warnings/errors。同名文件日志 data/xgb_wiki.sync.log（gitignore）同步追加，库不可写时仍留存。

3. 开放字典（data/*.json）

三个字典同构：types 为已转正类型（有序，键即枚举值），_pending 为待审区。

// data/segment_types.json —— 额外带 stageTag 映射与展示方式
{
  "types": {
    "material":       {"label": "材料资源", "stageTag": "上游", "display": "group"},
    "process":        {"label": "工艺制造", "stageTag": "中游", "display": "flow"},
    "component":      {"label": "核心部件", "stageTag": "中游", "display": "group"},
    "infrastructure": {"label": "配套设施", "stageTag": "配套", "display": "group"},
    "service":        {"label": "服务",     "stageTag": "配套", "display": "group"},
    "application":    {"label": "下游应用", "stageTag": "下游", "display": "group"}
  },
  "_pending": {}
}

// data/reason_types.json —— 催化类型：业绩/订单/政策/技术进展/供需价格/产能/事件催化/资金动向
// data/event_types.json —— 评级事件：首次覆盖/上调/下调/目标价/增持/维持
//   两者条目格式：{"types": {"<值>": {"label": "<中文名>"}}, "_pending": {}}

display: flow 的类型按 orderNo 排横向流程带；group 类型按 stageTag 分组卡片。字典修改后：/ontology 页与 RDF 导出的枚举实时跟随，存量数据需重跑 build_wiki.py 重新归类。

4. 链映射文件（data/chain_map.json）

{
  "磷化铟": {                          // 键 = 题材名
    "chain": "AI算力",                 // 链名（slugs 化后入 chain.id）
    "segment": "上游材料",             // 环节名（原文词汇）
    "segmentType": "material",         // 角色类型（对齐开放字典）
    "order": 1, "isBottleneck": true,
    "manual": true,                    // 人工确认位：重跑 LLM 不覆盖
    "evidence": [ {"reportId": 4342, "quote": "最上游的铟，95%以上是锌矿冶炼的副产品…"} ]
  }
}

当前 300 个题材已映射，全部 manual: true；ETL 载入时据此生成 chain / segment 实例与 theme_segment 关联。

5. 本体 ↔ 存储对照要点

本体标识属性 → SQLite 主键一一对应（chainId→chain.id、plateId→theme.plate_id 等）
实体/关系显示名中文化（name="产业链"/"提及题材"…），技术 id 保留英文（chain、report_mentions_theme）；SQLite 表名、RDF 类名、代码引用均走英文 id
本体 enum → SQLite TEXT 存字符串（加类型零迁移），枚举值在渲染时从字典读取
本体关系属性 → 关联表列（提及关系的观点五属性 + weight）
image_asset.parsed_at、rating_event.stock_name、etl_meta 为实现细节，不在本体 schema 中暴露
RDF 导出（data/output/xgb-a-chain/）只含 schema 层（类/属性/关系定义），实例数据不导出——实例由 Flask Web 展示（两层的分工见设计方案 §5）

6. 源库 → 本地映射（ETL 入库口径）

选股宝脱水研报源库（内网 MySQL xuangubao，只读）库内共 42 张表（上游文档口径），同步管线只读其中 5 张，结构与连接关系如下（实线 = SQL JOIN，虚线 = 字符串内 ID 的逻辑关联）：

erDiagram
    live_tuoshui_news {
        BIGINT id PK "同步进度标记 wm_live_id"
        BIGINT msg_id "消息ID 接标签表"
        VARCHAR title "研报标题"
        MEDIUMTEXT summary "摘要"
        MEDIUMTEXT content "正文 HTML"
        VARCHAR stocks "推荐个股 代码,名称;…"
        VARCHAR plates "题材 板块ID,名称;…"
        TINYINT is_deleted "1=源端已删除"
        DATETIME msg_display_time "展示时间"
    }
    live_tuoshui_tag_related {
        BIGINT live_msg_id "= live_tuoshui_news.msg_id"
        BIGINT tag_id "栏目 LIVE_TAG_COLUMNS"
    }
    tuoshui_msgs {
        BIGINT id PK "同步进度标记 wm_digest_id"
        BIGINT msg_id "消息ID 接标签表"
        VARCHAR title "研报标题"
        TEXT summary "摘要"
        TEXT content "正文 HTML"
        VARCHAR related_stocks "推荐个股 代码,名称;…"
        VARCHAR plates "题材 板块ID,名称;…"
        TINYINT is_premium "APP 端付费标记"
        DATETIME msg_created_at "创建时间"
    }
    tuoshui_tag_related {
        BIGINT msg_id "= tuoshui_msgs.msg_id"
        BIGINT tag_id "栏目 DIGEST_TAG_COLUMNS"
    }
    plate_rank_infos {
        BIGINT plate_id PK "即本地 theme.plate_id"
        VARCHAR plate_name "题材名"
        VARCHAR classification "概念/行业/风格"
    }

    live_tuoshui_news ||--o{ live_tuoshui_tag_related : "n.msg_id = t.live_msg_id 取栏目"
    tuoshui_msgs ||--o{ tuoshui_tag_related : "m.msg_id = t.msg_id 取栏目"
    live_tuoshui_news }o..o{ plate_rank_infos : "plates 内板块 ID 逻辑关联"
    tuoshui_msgs }o..o{ plate_rank_infos : "plates 内板块 ID 逻辑关联"

要点：

字段口径：同步依赖列以 src/pipeline/sync.py::REQUIRED_MYSQL_COLUMNS 为准——每次同步启动前对 information_schema 做存在性校验（最近一次通过 2026-09-03）；连接关系按 src/pipeline/etl.py 的 LIVE_SQL / DIGEST_SQL 实际 JOIN 绘制，两处标签表均经 msg_id 关联（不是主键 id）。
stocks / plates 是分隔符字符串（"代码,名称;…" / "板块ID,名称;…"），源库无个股/题材外键——实体与关系由 ETL 解析字符串后落库，plate_rank_infos 提供 plate_id → 名称/分类的主数据。
⚠️ 上游 2_xuangubao 项目《脱水研报数据库Wiki文档》部分列名已过时：其写 live_tuoshui_tag_related.news_id、tuoshui_tag_related.tuoshui_id、tuoshui_msgs.stocks，实际为 live_msg_id、msg_id、related_stocks（且缺 is_premium）。参考该文档时以本节同步校验口径为准。
messages、original_msgs 等其余表本管线不读取。

各表如何落到本地 SQLite——取数 SQL 与解析在 src/pipeline/etl.py（LIVE_SQL / DIGEST_SQL / apply_live_deletions），同步前置校验所需列清单在 src/pipeline/sync.py::REQUIRED_MYSQL_COLUMNS：

源（MySQL xuangubao）	→ 本地（SQLite）	说明
`live_tuoshui_news`（is_deleted=0）⨝ `live_tuoshui_tag_related`（经 msg_id，tag_id→栏目字典 `LIVE_TAG_COLUMNS`）	`report`（src_type='live'）	display_time 取 msg_display_time；tag_id 缺省按未分类
`live_tuoshui_tag_related` ⨝ `live_tuoshui_news`、`tuoshui_tag_related` ⨝ `tuoshui_msgs`（`etl.sync_tags` 每次同步全量重建）	`report_tag`	栏目 tag 完整映射（一篇可多 tag）；`report.column_name` 仅存 JOIN 末行的单栏目，多 tag 会互相覆盖，`/reports` 栏目浏览以 `report_tag` 为准
`tuoshui_msgs` ⨝ `tuoshui_tag_related`（经 msg_id，tag_id→`DIGEST_TAG_COLUMNS`）	`report`（src_type='digest'）	is_premium 直传；display_time 取 msg_created_at
`live_tuoshui_news.stocks` / `tuoshui_msgs.related_stocks`（解析 "代码,名称;…"）	`stock` + `report_stock`（is_core=0, weight=0.3）	编辑打标"关注"清单，入库率约 20%
digest 每日强股结构段（tag_id=4，正文解析）	`report_stock`（is_core=1, weight=1.0, evidence_quote）	强证据推荐
`*.plates`（解析 "ID,名称;…"）+ `plate_rank_infos`（plate_id→name/classification）	`theme` + `report_theme`（is_core=0, weight=0.3）	题材主数据来自 plate_rank_infos
研报标题正则（`extract_title_broker`）	`broker` + `report_broker`	券商引用
正文图片直链（`extract_images`）	`image_asset` + `report_image`	待解析队列
正文评级段解析	`rating_event`	事件日期/分析师/券商
正文分节 + 提及原因提取（`src/content/daily.py` 分节、`src/llm/viewpoint.py` 归因；同步自动回填近 7 日，幂等；全量 `python scripts/sync/refresh_daily.py`）	`report_section` + `section_stock` + `section_theme`，并 UPDATE `report_stock` / `report_theme` 的 reason/reason_type	观点单元口径，正文文本匹配为主源
`live_tuoshui_news.is_deleted=1`	删除本地对应 `report`（连同 report_theme/stock/broker/image/tag、rating_event、report_section、section_stock/theme）	增量同步检测源端删除
—（本地派生/配置，无源表）	`theme_stock` 聚合与 `theme.occurrence_count`/`decay_score`（`src/pipeline/etl.py` 重算）；`theme_daily`、`theme.cnt_*`（`src/content/trends.py`）；`chain`/`segment`/`theme_segment`（`data/chain_map.json`）；`etl_meta`（同步进度标记）；`sync_log`（同步日志）	聚合、链映射配置与运维字段

7. 知识图谱库（data/graph.db）

从 xgb_wiki.db 的 report 正文抽取的三元组库（scripts/kg/build_graph.py 构建，移植自 2_xuangubao 云端 v0.5.0）。2026-10-01 实测口径：7351 实体 / 18556 边 / 18883 提及。行业/概念名入图前经 src/kg/kg_schema.py 的 SYNONYMS 同义词表归一化（如"硅烷/CPO/大储"并入规范名）。

entity 实体表（7351 行）

列	类型	说明
id	INTEGER PK	实体 ID，edge 两端引用
type	TEXT	company 公司 / industry 行业(题材) / segment 产业链环节 / report 研报 / rating_event 评级事件
name	TEXT	实体名（industry 已归一化为规范名）
meta	TEXT	附加属性 JSON

edge 关系表（18556 行）

列	类型	说明
id	INTEGER PK	边 ID，mention 引用
src_id / dst_id	INTEGER	→ entity.id（有向边）
rel_type	TEXT	mentioned_in 提及于研报 / company_in_segment 公司属环节 / has_segment 链含环节 / rating_action 评级动作
attrs	TEXT	关系属性 JSON

mention 提及事件表（18883 行）

列	类型	说明
edge_id	INTEGER	→ edge.id
report_id + report_type	INTEGER/TEXT	指回 xgb_wiki.db 的 report（src_type=live/digest）
t	TEXT	提及时间（数据日）——衰减热度计算的源数据，weight 不落盘、查询时按 90 天半衰期动态算（`GRAPH_HALF_LIFE_DAYS` 可调）

cluster 主题群表（254 行）

scripts/kg/kg_recluster.py 产出（重建后图谱查询缓存失效）：cluster_name 群名 / industry_name 成员行业（→ entity.name）/ rank_in_cluster 群内排序。

extraction_log 抽取进度表（1196 行）

report_type + report_id + status + extracted_at——图谱增量构建的依据（已抽篇目不重复处理；无可抽内容的报告计 fail，属正常跳过）。

image 图片资产表（2583 行）

研报图片证据：report 关联（report_type + report_id）、url / local_path（缓存路径）、status、las_task_id / las_status（LAS 云端解析任务状态）——与图片解析队列（scripts/sync/parse_queue.py）并发写库（连接带 busy_timeout）。