fn_registry/python/functions/datascience/align_relations_to_entities.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path, notes

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path	notes
align_relations_to_entities	function	py	datascience	1.0.0	pure	def align_relations_to_entities(triplets: list[dict], entity_names: list[str]) -> list[dict]	Filtra y alinea triplets REBEL/mREBEL a nombres canonicos de entidades. Para cada triplet, resuelve head y tail contra entity_names con match exacto case-insensitive o substring (gana el nombre mas largo). Descarta triplets donde algun lado no resuelve o head==tail.	rebel mrebel relation-extraction nlp align knowledge-graph datascience python transformer				false			name desc triplets lista de dicts producida por parse_rebel_output, con claves head, head_type, type, tail, tail_type name desc entity_names nombres canonicos de entidades conocidas contra los que alinear (ej. [e.name for e in entities])	lista de dicts con claves from (str), kind (str), to (str), head_type (str), tail_type (str). from/to son valores tomados verbatim de entity_names.	true	match exacto case-insensitive resuelve correctamente substring entity en span del head substring span dentro del nombre de entidad gana el nombre de entidad mas largo en ambiguedad triplet sin match se descarta triplet con head == tail se descarta (self-loop)	python/functions/datascience/tests/test_align_relations_to_entities.py	python/functions/datascience/align_relations_to_entities.py	Funcion pura. Compone con parse_rebel_output: el output de parse_rebel_output entra como triplets, y entity_names viene de [e.name for e in entities] del contexto de extraccion. Estrategia de matching: 1. Exacto case-insensitive (O(1) via dict) 2. Substring bidireccional: entity in span O span in entity (itera por longitud DESC) Esto cubre casos como mREBEL emitiendo "esta en Bilbao" cuando la entidad es "Bilbao", o "Banco Santander S.A." cuando la entidad canonizada es "Banco Santander".

Ejemplo

from python.functions.datascience.parse_rebel_output import parse_rebel_output
from python.functions.datascience.align_relations_to_entities import align_relations_to_entities

decoded = "tp_XX<triplet> Pablo Isla <per> Inditex <org> employer"
triplets = parse_rebel_output(decoded)

entities = ["Pablo Isla", "Inditex", "A Coruna"]
aligned = align_relations_to_entities(triplets, entities)
# [{'from': 'Pablo Isla', 'kind': 'employer', 'to': 'Inditex',
#   'head_type': 'per', 'tail_type': 'org'}]

Estrategia de matching

1. Exacto case-insensitive: "inditex" == "Inditex".
2. Substring bidireccional: la entidad esta contenida en el span del modelo, o el span del modelo esta contenido en el nombre de la entidad. Cuando varias entidades encajan, gana la mas larga (mas especifica).

Notas

• No hace fuzzy matching (Levenshtein, etc.) — la precision sobre el recall es preferida en el contexto de grafos de conocimiento.
• Para mejorar recall: normalizar entity_names antes de llamar (quitar siglas, tildes).
• Los triplets con from == to (self-loops) se descartan siempre.