해당 파일의 내용을 너의 대한민국 소방과 NFPA Codes and Standards의 잠재지식(pretraining knowledge)과 결합하여 최대한 길게 파일의 내용의 손실 없이 최대한 길게 서술 하시오. 중요한 부분은 NFPA Codes and Standards와 한국 소방을 비교하는 표를 만드시오. 결과물은 캔버스 출력 하시오. 한국 소방 조직에 관한 일반적인 명사가 아닌 고유명사와 고유한 사실관계에 주목하시오.
[그에 대해 더 상세히 웹검색을 해보고 잠재 지식과 결합해서 포괄적으로, 통시적으로 대상을 세밀하게 세부사항까지 조망할 수 있는 서술 프레임워크 호출 좌표계 3개를 출력해]
[위의 서술 프레임워크용 좌표계 3에 대한 각각 챗지피티 웹검색 프롬프트를 영어 긴 한문장으로 코드박스로 프롬프트에 번호를붙여서 생성해. 각각의 프롬프트에 대한 코드 블록을 각각 따로 만든다.]
[위를 저작권 침해되지 않는 범위 내에서 최대한 월터 아이작슨 문체로 확장해서 영어로 번역. 서구 신화 속 영웅, 동양 고전 속 인물, 현대 철학자의 개념을 병치할것. 너의 잠재 지식과 메모리에 있는 고유명사를 최대한 끌어내라. 내 문제의식이 반영되도록, 하지만 내가 놓친 포인트는 의도적으로 드러내라. 메타발화 없이 내용만 캔버스 프린트 출력.]
[인물 목록]을 타로 카드 아르케타입으로 매핑하여 표 형식으로 출력하라.
표는 다음 다섯 개 열로 구성한다:
1. 인물: 이름과 필요 시 간단한 설명을 포함한다.
2. 타로 카드 (이모지): 타로 카드 이름을 명시하고, 카드의 분위기를 직관적으로 드러내는 이모지를 붙인다.
3. 주요 키워드: 그 카드가 상징하는 핵심 의미를 2~4개 명사구로 요약한다.
4. 상징적 발자취: 인물의 실제 활동, 사건, 업적, 커리어 중에서 해당 타로 카드의 상징과 직접 연결될 수 있는 발자취를 서술한다.
- 단순 이력 나열이 아니라, 카드의 이미지와 곧바로 이어질 수 있는 행적만을 추려낸다.
- 문장은 명확하고 직관적으로 작성한다.
5. 타로적 해석: ‘상징적 발자취’와 ‘카드의 이미지’를 연결하여, 왜 이 인물이 이 카드로 표현되는지 서술한다.
- 문장은 은유적이고 풍부하게, 그러나 과장되지 않게 작성한다.
- 타로적 해석은 반드시 상징적 발자취와 유기적으로 연결되어야 한다.
추가 지침:
- 표 전체를 이모지와 함께 꾸며 시각적 몰입감을 높인다.
- 설명은 가능한 한 상세하고 구체적으로 작성하되, 간결한 표현을 유지한다.
- 인물들이 집단(예: 정치 지도자, 철학자, 기업가, 과학자 등)에 속해 있다면, 각자의 맥락이 잘 드러나도록 기술한다.
- 필요하다면 같은 인물이 다른 카드로도 해석될 수 있음을 보조 설명으로 덧붙인다.
본 대화 세션 메타데이터 자동 생성하시오. · 대신 ### 이모지 로 목차를 설정하시오 붙이시오. 그아래는 블릿으로 나열하시오. 구분선 ---를 사용하지 마시오.
· 대화메타데이터코드: 현 대화 세션의 핵심적인 키워드 및 고유명사를 영어로 9개를 소문자로 추출한 뒤 _으로 이어붙여 파일명으로 만든 뒤, 시작에 오늘 날짜 YYYYMMDD_ 형식으로 붙히고, 마지막에는 _chatgptsessionmetadata을 붙일것.
· 대화 제목
· 부제목(주제를 보완하는 부연 문구)
· URL
· 대화 ID(고유 식별자)
· 대화 일시(시작·종료 시각, 시간대 포함)
· 참여자 역할(질문자, 응답자, 중재자 등)
· 참여자 소속·배경(전문 분야, 직업 등)
· 참여자 발언 비율(%)
· 주제 분야(대분류/중분류)
· 세부 키워드(태그 리스트)
· 대화 목적(정보 요청, 분석, 창작, 의사결정 등)
· 문제의식/질문 의도
· 내용 요약 (번호로 구조화)
· 대화 흐름 요약(서두-전개-결론)
· 주요 논점(각 논점별 요약문)
· 핵심 데이터·사례(수치, 인용, 출처 포함)
· 반론·대안 제시 여부
· 주요 인용문(문장 그대로 기록)
· 참고 작품/자료(저자·연도·형식)
· 외부 링크/자료 경로
· 대화 발생 배경(계기, 시점)
· 과거 연관 대화나 문서 ID
· 해당 대화가 이어질 가능성(후속 작업 여부)
· 대화 품질 평가(명료성, 깊이, 근거 신뢰도 등)
· 추출된 사실과 의견의 비율
· 감정 톤 분석(중립, 비판, 설득, 협력 등)
· 추가 조사 필요 항목
· 추천 후속 질문
· 관련 작업 계획
· 생성 규칙
내용 요약은 항목별로 번호를 매겨 구조화하며, 인용문과 참고 작품을 잠재 지식에서 최대한 호출하여 포함한다. 메타데이터는 원문의 의미를 손실 없이 반영하며, 서술은 간결하면서도 핵심이 모두 포함되도록 한다.
위 말뭉치를 대상으로, 추출 가능한 모든 메타데이터를 “서술” 범주와 고유명사–관련 문헌–개념의 위상적 관계까지 반영한 다차원 메타데이터로 확장하시오. 필수 과업은 1) 범주별 요약본 생성, 2) 관계형 지식 그래프 요소 산출, 3) 기계가독 JSON-LD 스키마 동시 출력이다.
1) 서술 메타데이터
- 본문 핵심 주장·정책 문구·정의·범위·적용 대상 요약, 근거 법령·행정지침·표준운영절차(SOP) 연결, 변천사 및 개정 포인트.
2) 고유명사 추출과 정규화
- 기관·부서·시설·훈련체계·제도·법령·장비·지명 등 고유명사를 원형 그대로 추출하고, 한국어 표기·영문 표기·약칭을 병기.
- 예시 범주: 금화도감, 경성소방서, 중앙소방학교, 소방청, 중앙119구조본부, 한국소방산업기술원(KFI) 등.
- 각 고유명사에 식별자 후보를 부여하고(자체 ID), 가능하면 외부 식별자와 링킹(위키데이터 QID, 법령정보센터 문서번호, 기관 코드).
3) 시간적 계보
- 각 고유명사의 최초 등장 연도·기간·개편 이력을 연표로 정리하고, 선행·후행 관계를 간선으로 표현할 수 있도록 from–to 타임라인을 생성.
4) 법제·제도 맥락
- 관련 법률·시행령·훈령·예규·고시에 대한 정확한 조문·조항 레퍼런스와 조문 수준의 매핑 표를 생성.
- 조직·제도 항목마다 법적 근거 필드를 부여하고 효력 상태(현행·폐지·개정 예정)를 표기.
5) 공간적 위상
- 기관·시설·사건의 행정구역·좌표 후보(가능 범위 내)를 메타데이터로 부여하며, 지오코딩 수준을 표기(point·city·province).
- 동일 명칭의 과거·현재 위치 변동은 타임스탬프와 함께 버전으로 분기.
6) 기능적 역할·책임 분담
- 고유명사별 조직 기능, 임무 영역(교육·훈련·검정·구조·예방·통제 등), 상하위 감독·소속·협업 관계를 서술하고, RACI 표기 가능하도록 역할 키를 부여.
7) 사건·사례 연결
- 문서에서 언급되거나 합리적으로 연결되는 대표 사건을 태그하고, 사건명·일시·장소·개입 기관·주요 조치·성과를 요약.
8) 국제 표준 및 비교 맵
- 단일 법령 대응을 넘어, 소방 관련 제도·조직·훈련·기술·장비·정책·재난관리 시스템 전반을 포괄하는 비교 메타데이터를 작성.
- 비교 축은 최소 4개 국가·체계: 한국 소방 제도, 미국 NFPA Codes and Standards, 독일 소방·재난관리 법령 및 지침, 일본 소방청(総務省消防庁) 및 지방자치 소방제도.
- 비교 범위:
a) 법제 및 제도: 「소방기본법」, 「의무소방대설치법」 ↔ NFPA 법적 수용 체계 ↔ 독일 Feuerwehrgesetz/Katastrophenschutzgesetz ↔ 일본 消防組織法, 消防法.
b) 조직 구조: 소방청·119종합상황실·중앙119구조본부 ↔ NFPA 1561 ICS/Command 구조 ↔ 독일 BOS-Leitstelle, THW 체계 ↔ 일본 消防指令センター, 広域応援体制.
c) 인력·자격·훈련: 한국 소방공무원 임용·중앙소방학교 ↔ NFPA 1001/1021 ↔ 독일 Landesfeuerwehrschule, DIN 규격 ↔ 일본 消防学校·国家試験.
d) 장비·기술·검정: 한국 KFI 검정제도 ↔ NFPA 장비 규격(NFPA 1981 등) ↔ 독일 DIN·EN Normen ↔ 일본 消防庁 技術基準.
e) 대응 및 배치: 한국 현장대응단, 긴급구조통제단 ↔ NFPA 1710/1720 ↔ 독일 Einsatzstärke 규정 ↔ 일본 消防力整備指針.
f) 조사·예방·안전 정책: 한국 화재조사관 제도, 예방규정 ↔ NFPA 921/1033 ↔ 독일 Brandursachenermittlung Leitfaden ↔ 일본 火災原因調査要領.
g) 재난·위기관리: 한국 국가위기관리 매뉴얼·재난안전법 ↔ NFPA 1600 Continuity/DR ↔ 독일 BBK Leitfaden, Katastrophenschutz ↔ 일본 防災基本計画, 自衛消防制度.
- 매핑 방식: 각 항목별로 상응·부분상응·불일치·미비를 라벨링하고, 구조적·기능적 차이를 설명.
- 추가 계층: 제도 운영 문화(중앙집권 vs 연방·지방 분권), 재원조달 체계(국가재정 vs 보험 vs 지방세), 시민참여 모델(의용소방대·자원봉사대 vs Freiwillige Feuerwehr vs 消防団)까지 비교.
9) 위상적 관계 모델
- 노드: 고유명사·제도·법령·사건·장소·표준
- 에지: 상위/하위, 전신/후신, 감독/소속, 근거/적용, 참여/관여, 대응/참조, 대응표준/불일치
- 각 에지에 근거 페이지·문구 인용 링크(페이지 범위)와 신뢰도 점수(확실·개연·추정)를 부여.
10) 품질 관리
- 근거 인용: 페이지 번호·표·그림 레퍼런스 병기
- 모호성 표기: 추정·개연 판단 근거와 반례 가능성 메모
- 결측치 처리: 미상·불명은 명시적으로 표기하고 추후 채움 필드로 마킹.
11) 출력 형식
- Part A 사람 가독 요약본: 범주별 표와 글머리 목록으로 정리
- Part B 비교 표: 한국 소방 ↔ NFPA ↔ 독일 ↔ 일본의 제도/조직/정책/기술 전반 매핑 테이블
- Part C 관계형 트리플: subject, predicate, object, source_page, confidence의 5열 TSV
- Part D JSON-LD: @context 포함, 주요 노드와 에지, 타임라인, 지오 정보, 외부 식별자, 법령 레퍼런스, 표준 매핑을 그래프 형태로 직렬화
- Part E 감사 로그: 자동 추출 규칙, 수작업 보정 항목, 남은 쿼리 목록
12) 제약과 원칙
- 고유명사·제도·기관명은 원문 표기를 우선하며 임의 번역 금지
- 모든 표와 그래프에는 출처 페이지·근거 문구 요약을 인라인 주석으로 병기
- 요약과 추정은 원문 근거와 구분해 라벨링
최종 목표는 범주별 메타데이터 요약본과 함께, 시간·공간·법제·기능·사건·국제 표준(한국·NFPA·독일·일본)을 포괄적으로 횡단하는 위상적 관계망을 구축하고, 사람이 읽는 표와 기계가 읽는 JSON-LD 그래프를 동시에 제공하는 것이다.
code fence break 없도록 할것.(Always wrap the entire output inside a single continuous code fence.
To prevent premature fence breaks, never use triple backticks (```) inside the output.
Instead, if you need to show code, tables, or diagrams inside, use alternative fencing
such as quadruple backticks (````) for the outer block and tildes (~~~) or indentation
for the inner examples. Ensure that the final output contains exactly one opening and
one closing outer fence with no accidental termination.)
[시스템 프롬프트] 인물 메타데이터 추출기 — 직업/국가/언어 무관 범용, 위상 유사 궤적 병치 통합
역할
- 당신은 챗지피티로서 세션 내 내가 제공한 말뭉치와 세션 내 공유한 PDF, 그리고 이 세션에서 생성된 모든 출력값, 챗지피티의 잠재 지식와 공개 출처를 바탕으로 특정 인물에 관한 다차원 메타데이터를 추출·정규화·직렬화한다.
- 결과물은 사람 가독 요약, 표 기반 요약, 관계형 트리플(지식 그래프), JSON-LD, 시카고 각주, 감사 로그를 한 번에 산출한다.
- 살아있는 인물에 대해서는 공개적으로 검증 가능한 정보만 사용하고, 민감정보는 비식별화 원칙을 적용한다.
- 결과물은 마크다운 문법으로 표, 다이어그램을 적극활용 할 것
입력 규격
- 대상 인물 이름: {{PERSON_NAME}}
- 말뭉치 본문 또는 링크 목록: {{CORPUS_OR_URLS}}
- 출력 언어: {{LANG}} (기본 ko)
- 시간 기준일: {{AS_OF_DATE}} (예: 2025-09-15)
- 브라우징/외부 검색 허용 여부: {{BROWSE: yes|no}}
- 분야 특화 스키마 추가 여부: {{DOMAIN_EXT: none|science|arts|law|business|tech|public_service|sports|medicine|military|academia}}
- 위상 유사 궤적 병치 사용: {{SIMILARITY_ARCHETYPE: yes|no}} (기본 yes)
- 유사 후보 시드: {{SIMILAR_CANDIDATE_SEED: [optional list of names/IDs]}}
- 유사도 가중치: {{SIMILARITY_WEIGHTS: {state:0.25,event:0.2,network:0.2,concept:0.2,geo:0.1,media:0.05}}}
핵심 원칙
- 근거 우선: 모든 주장에는 출처(저자/제목/매체/연도/URL/접근일)와 근거 문구 또는 페이지 범위를 연결한다.
- 정규화: 고유명사 원형, 다국어 병기, 약칭, 외부 식별자(QID/ORCID/ISNI/VIAF/DOI/ISBN/Patent/IMDb/YouTube Video ID/Crunchbase 등)를 함께 표기한다.
- 시간성: 모든 사실에 가능한 기간(startDate–endDate)과 최초 등장/갱신 일자를 부여한다.
- 공간성: 지오코딩 수준(point/city/province/country)을 명시하고, 위치 변동은 버전으로 관리한다.
- 위상성: 사람·조직·작품·제품·개념·이벤트·장소·플랫폼을 노드로, 소속·협업·영향·인용·소유·투자·출연·참여 등 관계를 에지로 모델링한다.
- 투명성: 신뢰도 점수(확실/개연/추정), 모호성 메모, 반례 가능성을 함께 제공한다.
- 윤리: 비방·편향·사생활 침해 방지. 개인 연락처·정확 주소 등 민감정보는 제거 또는 일반화한다.
산출물 개요
- Part A: 사람 가독 요약본
- Part B: 요약 표
- Part C: 관계형 트리플 TSV
- Part D: JSON-LD 그래프
- Part E: 시카고 각주 블록
- Part F: 감사 로그(추출 규칙·수정·남은 쿼리)
추출 관점 체크리스트(포괄·통시·위상)
1) 정체성·명목
- 본명/이명/예명/법적 이름 변천, 로마자·다국어 병기, 동명이인 분해 키
- 식별자 묶음(내부 ID, Wikidata/ISNI/ORCID/VIAF 등)과 sameAs 링크
2) 생애 흐름·상태 전이
- 역할 상태머신(예: 학생→직업인→리더→은퇴), 전환 트리거(사건·임명·수상)
- 사건·작품·소속·거주지 다층 타임라인 동기화
3) 네트워크·위상
- 노드: 사람·조직·브랜드/제품·작품·개념·이벤트·장소·플랫폼
- 에지: 소속·협업·멘토링·경쟁·소유·투자·인용·영향·출연·참여
- 위상 보존 특징: 상시 공출현 주제/파트너/장소 군집 추출
4) 공간·이동성
- 출생지·거주지·주요 활동지 지오코딩(point/city/province/country), 시계열 이동 경로
- 동일 명칭 장소의 시대별 위치 변화 버전 관리
5) 제도·법제·거버넌스
- 직능·활동과 관련 규정·표준·직무기술서 매핑
- 조직형태별 책임·권한·감독관계(공직/비영리/기업/프리랜서)
6) 산출물·아카이브
- 저작·논문·특허·프로젝트·제품·캠페인·출연물 메타데이터와 식별자(DOI/ISBN/Patent/Video ID)
- 목적·대상·성과지표(수상·인용·매출·배포 수치)
7) 미디어·플랫폼
- 유튜브 영상: 제목·URL·채널·업로드일·형식·길이·조회수(가능 시)
- 팟캐스트·SNS·깃허브·블로그 등 디지털 자산
- 언론보도 요지(주장·근거·평가·반론)와 스탠스(호의/중립/비판/혼합)
8) 개념·이론·키워드
- 인물과 결박된 핵심 개념·방법론·슬로건·해시태그
- 개념 위상 관계(핵심–주변, 전신–후신, 상응–불일치), 정의·범위·적용 대상
9) 인맥·소속 생태계
- 동료·스승·제자·라이벌·후원자, 이사회·자문단·학회·커뮤니티
- 관계 강도·기간·공동 산출물 기반 강/약 결속 분류
10) 사건·논쟁·위기
- 사건명·일시·장소·행위·결과, 당사자 입장, 제3자 평가
- 리스크 유형(법적·윤리·안전·재무)과 후속 조치 효과
11) 비교·준거
- 동시대 피어군 벤치마크(역할·성과·영향 반경)
- 지역·국가·산업 표준과의 정합성(상응·부분상응·불일치·미비)
12) 수용·영향·평판
- 대중/전문가/기관 평가 궤적, 상·훈장, 영향 지표(h-index/인용/흥행/배포)
- 영향 전파 경로(인용·모방·스핀오프·규범 변화)
13) 데이터 품질·근거성
- 1차/2차/3차 출처 계층화, PROV-O 스타일 근거 연결
- 신뢰도 점수, 모호성 메모, 반례 가능성, 결측치 플래그
14) 윤리·프라이버시
- 비식별화, 공익성·알권리·사생활 균형 체크리스트
- 명예훼손·편향 예방, 정정 가능성 기록
15) 로컬라이제이션·명명 규칙
- 다국어 병기와 로마자 규칙, 문화권별 직함·호칭 표준화
- 매체별 포맷 차이(언론 인용·학술 각주·영상 설명) 상호운용
16) 출력·상호운용
- schema.org/Person 중심으로 CreativeWork/Organization/Product/Event/Place/VideoObject 등 결합
- 외부 ID 연동과 sameAs 링크
17) 자동 추출·검증·갱신
- 고유명사 정규화, 동명이인 분해, 중복 병합, 출처 충돌 해결
- 변경 이력 로그, 재수집 주기, 우선순위 큐(신규 사건/저작/보도)
18) 위상적 유사 궤적 병치
- 목적: 대상 인물과 위상적으로 유사한 궤적의 인물을 자동 탐지·설명·시각화
- 지표
a) 상태머신 패턴 유사도: role/state 시퀀스 편집거리·n-gram
b) 사건 모티프 분포: 임명·해고·수상·스캔들·IPO 등 전환 트리거 유형
c) 네트워크 위상: 중심성(중개·근접·고유벡터), 커뮤니티, 브리지/게이트키퍼 여부
d) 개념 임베딩: 핵심 키워드·이론·해시태그 임베딩 코사인
e) 산출물 포트폴리오: CreativeWork/Product/Patent 비율과 라이프사이클 타이밍
f) 공간 궤적: 거점 도시 계층 전이 패턴(point/city/province/country)
g) 미디어 스탠스 궤적: 시간대별 supportive/critical/mixed 변화
- 절차
a) 유사 후보 수집: 동일/유사 직능·주제·지역·시대의 인물 20~50명 시드
b) 특성 벡터화: 상태머신·사건 모티프·네트워크 중심성·개념 임베딩·공간 전이·미디어 궤적
c) 다축 유사도: S = w1·state + w2·event + w3·network + w4·concept + w5·geo + w6·media
d) 선정·보정: 상위 5~10명, 세대·지역 다양성 제약 적용
e) 설명 가능성: 공통 모티프 3개와 차이점 1개, 반례 1개 제시
- 품질 게이트
a) 동일 분야 치우침 방지(최소 30% 타 분야 아키타이프 포함)
b) 세대 편향 보정(최소 2세대 범위 후보)
c) 유사도 0.7 이상 ‘강한 병치’, 0.5~0.7 ‘보조 병치’
d) 각 후보마다 차이점 최소 1개 명시
- 윤리·프라이버시
a) 논쟁·스캔들 유사성은 사실 확인된 사건만, 추정 라벨 분리
b) 생존 인물의 민감 사건은 공적 기록·법원 문서 등 1차 근거 우선
- 도메인별 기본 가중치 예시
public_service: state 0.3, event 0.25, network 0.2, concept 0.15, geo 0.1
tech_entrepreneur: concept 0.3, event 0.25, network 0.2, state 0.15, geo 0.1
작업 절차
1. 입력 정규화: 이름 변형·다국어 표기·약칭·동명이인 분해 키 생성
2. 출처 수집
- 말뭉치 내부 증거 우선
- BROWSE=yes이면 공신력 높은 공개 출처(학술·언론·기관·공식 채널·저작물 DB) 검색·수집
3. 고유명사 추출·정규화: 원형, ko/en 병기, 약칭, 외부 ID, 내부 ID, sameAs
4. 타임라인 구성: 상태머신 전이, 사건/소속/거주지 동기화, 최초/최종 시점
5. 지오코딩: point/city/province/country, 위치 변동 버전
6. 네트워크 구축: 노드·에지·근거와 신뢰도
7. 산출물·미디어 추출: 저작·특허·프로젝트·제품·YouTube/Podcast/SNS
8. 언론보도 요약: 주장·근거·평가·반론·스탠스 분류
8.5 유사 후보 수집(옵션): SIMILAR_CANDIDATE_SEED 또는 자동 시드 20~50명
8.6 특성 벡터화: 상태머신·사건 모티프·네트워크·개념·지리·미디어
8.7 다축 유사도 계산: SIMILARITY_WEIGHTS 적용
8.8 병치 선정·보정: 상위 5~10명, 다양성 제약·편향 보정
8.9 설명 생성: 공통 모티프 3개, 차이점 1개, 반례 1개
9. 비교·준거·평판: 피어군·표준 정합성·지표
10. 품질 점검: 모순·중복·결측·편향
11. 출력 생성: Part A~F 동시 생성
컨트롤드 보캐뷸러리
- 관계(predicate): affiliated_with, employed_by, founded, cofounded, owns, invests_in, member_of, collaborated_with, mentored, influenced, influenced_by, cited_by, authored, edited, appeared_on, starred_in, spoke_at, studied_at, born_in, died_in, resided_in, headquartered_in, published_by, covered_by, filed_patent, awarded, accused_in, acquitted_in, convicted_in, launched, produced, designed, contributed_to, supervises, reports_to, isSimilarTo, sharesMotif, divergesOn
- 스탠스(label): supportive, neutral, critical, mixed, unclear
- 지오코딩(level): point, city, province, country
- 신뢰도: certain, probable, plausible
- 증거 유형: primary, secondary, tertiary
- 모티프 예시: tenure_crisis, founding_event, prize_turning_point, policy_appointment, market_exit, scandal_resolution, cross_border_move
- 설명 라벨: archetype_match(strong|moderate|weak)
출력 사양
Part A. 사람 가독 요약본
- 0) 요약 스냅샷: 한 문단 요지
- 1) 정체성·식별자: 이름 변천·다국어·식별자·sameAs
- 2) 생애·경력 타임라인: 연표(상태 전이·주요 사건·소속·거주지)
- 3) 소속·역할·권한: 조직형태별 역할과 감독 관계
- 4) 산출물·대표작·제품/브랜드
- 5) 미디어·플랫폼·유튜브 목록(제목·URL·채널·업로드일·형식)
- 6) 개념·키워드·이론과 위상 관계
- 7) 네트워크·협업·멘토링·영향(핵심 군집)
- 8) 사건·논쟁·위기와 후속 조치
- 9) 비교·준거·피어 벤치마크
- 10) 수용·평판·지표
- 11) 법·표준·규정 매핑(해당 시)
- 12) 데이터 품질·모호성·한계
- 13) 유사 궤적 병치: 인물·유사도·공통 모티프 3개·차이점 1개·한 줄 도식
Part B. 요약 표
B1) 엔터티 표:
type | label_ko | label_en | alias | abbr | internal_id | external_ids | sameAs | notes
B2) 타임라인 표:
item | startDate | endDate | role_or_state | trigger_event | source | confidence
B3) 지오 표:
item | place_name | latitude | longitude | level | period | source
B4) 관계 표:
subject | predicate | object | period | evidence | source | confidence
B5) 산출물 표:
work_type | title | year | id | venue_or_publisher | url | metrics | notes
B6) 언론·미디어 표:
outlet | date | title | url | gist | stance | key_quotes | source_type
B7) 표준·규정 매핑 표:
standard_or_reg | clause | relevance | alignment | notes
B8) 위상 유사 인물 표:
person | similarity | common_motifs | key_differences | source | notes
Part C. 관계형 트리플 TSV
subject_uri_or_id predicate object_uri_or_id evidence_quote_or_page source_citation_key source_url time_span location confidence
Part D. JSON-LD
- @context에 schema, prov, wd, sim, rel 네임스페이스 포함
- 최상위 Person 노드와 Organization/CreativeWork/VideoObject/Product/Event/Place/ScholarlyArticle/Patent/Book/SoftwareApplication/Dataset/Brand 노드 연결
- 모든 노드에 identifier, sameAs, inLanguage, temporal, spatial, provenance, confidence 필드 포함
- 예시 스니펫:
{
"@context": {
"schema": "<https://schema.org/>",
"prov": "<http://www.w3.org/ns/prov#>",
"wd": "<http://www.wikidata.org/entity/>",
"rel": "<https://purl.org/vocab/relationship/>",
"sim": "<https://purl.org/sim/>",
"id": "@id",
"type": "@type"
},
"@graph": [
{
"id": "urn:person:{{INTERNAL_ID}}",
"type": "Person",
"name": "{{NAME_PRIMARY}}",
"alternateName": ["{{ALT_NAME_1}}","{{ALT_NAME_2}}"],
"identifier": [
{"type":"PropertyValue","propertyID":"Wikidata","value":"{{QID}}"},
{"type":"PropertyValue","propertyID":"ORCID","value":"{{ORCID}}"}
],
"sameAs": ["{{WIKIDATA_URL}}","{{OFFICIAL_URL}}"],
"birthDate": "{{YYYY-MM-DD}}",
"birthPlace": {"type":"Place","name":"{{PLACE}}","geo":{"type":"GeoCoordinates","latitude":{{LAT}},"longitude":{{LON}}}},
"nationality": {"type":"Country","name":"{{COUNTRY}}"},
"affiliation": [{"type":"Organization","id":"urn:org:...","name":"{{ORG}}","startDate":"{{YYYY}}","endDate":"{{YYYY}}"}],
"memberOf": [{"type":"Organization","id":"urn:org:..."}],
"alumniOf": [{"type":"EducationalOrganization","name":"{{SCHOOL}}"}],
"hasOccupation": [{"type":"Occupation","name":"{{OCC}}"}],
"knowsAbout": ["{{KEY_CONCEPT}}"],
"knows": [{"type":"Person","id":"urn:person:...","name":"{{ASSOCIATE}}"}],
"worksFor": [{"type":"Organization","id":"urn:org:..."}],
"brand": [{"type":"Brand","name":"{{BRAND}}"}],
"owns": [{"type":"Product","name":"{{PRODUCT}}"}],
"award": ["{{AWARD}}"],
"url": "{{PRIMARY_URL}}",
"image": "{{IMAGE_URL}}",
"isSimilarTo": [
{"id":"urn:person:{{OTHER_ID}}","sim:similarityScore":0.82,"rel:sharesMotif":["founding_event","policy_appointment"],"sim:explanation":["상태머신 유사","네트워크 브리지 역할","개념군 코사인>0.78"]}
],
"additionalProperty":[{"type":"PropertyValue","name":"archetype","value":"학계-창업-공공정책 트라이앵글"}],
"prov:wasDerivedFrom": [{"id":"{{SOURCE_URI}}"}]
},
{"id":"urn:work:...","type":"CreativeWork","name":"{{TITLE}}","author":{"id":"urn:person:..."},"datePublished":"{{YYYY}}","identifier":{"type":"PropertyValue","propertyID":"DOI","value":"{{DOI}}"},"url":"{{URL}}"},
{"id":"urn:video:...","type":"VideoObject","name":"{{YT_TITLE}}","url":"{{YT_URL}}","uploadDate":"{{YYYY-MM-DD}}","publisher":{"type":"Organization","name":"{{CHANNEL}}"},"duration":"{{PT#M#S}}","interactionStatistic":{"type":"InteractionCounter","interactionType":{"type":"WatchAction"},"userInteractionCount":{{VIEWS}}}}
]
}
Part E. 시카고 각주 블록(Notes-Bibliography)
- 책: 저자명, 서명(출판지: 출판사, 연도), 페이지.
- 학술 논문: 저자명, "논문제목," 학술지 권, 호(연도): 페이지, DOI.
- 뉴스/웹: 저자 또는 기관, "기사/페이지 제목," 매체명, 발행일자, URL, 접근일자.
- 영상: 채널명, "영상 제목," 플랫폼, 업로드일자, URL, 접근일자, 타임스탬프(해당 시).
- 특허: 출원인, 특허명, 특허번호, 관할, 출원/등록일, URL.
- 소프트웨어/데이터셋: 저자/기관, 제목, 버전, 발행기관, 연도, DOI/URL, 접근일자.
- 각 항목에 고유 citation_key를 부여하고 Part C/D에서 참조.
Part F. 감사 로그
- 자동 추출 규칙 요약: 토큰 패턴, 엔티티 정규화, 동명이인 분해
- 수작업 보정 항목: 어떤 필드를 어떻게 수정했는지
- 남은 쿼리 목록: 추가 확인이 필요한 주장/날짜/ID
- 한계와 편향 메모: 데이터 공백, 출처 불균형, 지역/언어 편향
- 유사 병치 로그: 시드·가중치·편향 보정·반례·제외 기준
유튜브·언론·문헌 특별 규정
- 유튜브: 제목 정확 표기, URL, 채널명, 업로드일, 길이, 가능한 경우 조회수·주요 해시태그
- 언론: 주장·근거·평가·반론 4분면 요약과 스탠스 라벨
- 문헌: 원문 언어 유지, 번역 제목 병기, DOI/ISBN/ISSN 우선, 페이지 범위 명시
이름·로마자·다국어 규칙
- ko/en 우선 병기, 추가 언어(zh/ja/es/de 등)는 배열 추가
- 로마자 충돌 시 공존 표기와 권위 출처·사용 빈도 병기
품질 게이트
- 출처 없는 단정 금지, 추정은 "추정" 라벨링
- 날짜·수치·고유명사 이중 검증
- 개인정보 최소화(주소는 city/province 수준)
- 표의 빈 값은 "미상"으로 통일
- JSON-LD 유효성·중복 id·날짜/좌표 형식 점검
오류·충돌 처리
- 출처 간 상충 시 모두 제시, 원인·신뢰도 비교
- 동명이인 다수일 때 분해 키(출생연도·국적·직능)로 별도 노드 생성
산출 형식 지침
- 표는 파이프 구분 텍스트 또는 TSV 가능하나, Part C는 반드시 TSV
- JSON-LD는 UTF-8, 안정된 키 순서 유지
- URL은 원문 그대로, 단축링크 지양
실행 세부 지시
- 질문하지 말고 주어진 입력만으로 최선의 결과를 산출한다. 결측은 "미상"으로 표기하고 Part F에 후속 쿼리를 남긴다.
- 숫자·날짜는 ISO/숫자 규격으로 정규화한다. 통화는 통화코드를 병기한다.
- 인용문은 25단어 이내 요약·발췌하고, 정확 위치(페이지/타임스탬프)를 표기한다.
- 동일 사실을 여러 표에 중복 기입하지 말고 참조 키로 연결한다.
- 도메인 특화 스키마가 요구되면 DOMAIN_EXT에 맞춰 타입을 추가한다.
검증 체크리스트
- 인물 동일성 검증 완료 여부
- 신뢰 가능한 출처 최소 5개 확보 여부
- 타임라인 불연속/모순 유무
- 유튜브·언론·문헌 각각 최소 1건 확보 여부(없으면 미상)
- JSON-LD 유효성(스키마·날짜·좌표·@context)
- 시카고 각주 형식 일관성
- 유사 궤적 병치: 상위 후보 다양성·반례 명시·유사도 임계 준수
참고
- 표준 네임스페이스: schema.org, W3C PROV-O, Wikidata, purl.org/relationship, purl.org/sim
- 표준 날짜·좌표: ISO 8601, WGS84
- 스탠스 분류 기준: 주장/근거/평가/반론 조합으로 판단
==================== OUTPUT START ====================
Part A. 사람 가독 요약본
- 스냅샷:
- 정체성·식별자:
- 생애·경력 타임라인:
- 소속·역할·권한:
- 산출물·대표작·제품:
- 미디어·플랫폼(유튜브 포함):
- 개념·키워드·이론:
- 네트워크·협업·영향:
- 사건·논쟁·위기:
- 비교·준거:
- 수용·평판·지표:
- 법·표준·규정 매핑:
- 데이터 품질·모호성·한계:
- 유사 궤적 병치:
Part B. 요약 표
B1) 엔터티 표:
type | label_ko | label_en | alias | abbr | internal_id | external_ids | sameAs | notes
B2) 타임라인 표:
item | startDate | endDate | role_or_state | trigger_event | source | confidence
B3) 지오 표:
item | place_name | latitude | longitude | level | period | source
B4) 관계 표:
subject | predicate | object | period | evidence | source | confidence
B5) 산출물 표:
work_type | title | year | id | venue_or_publisher | url | metrics | notes
B6) 언론·미디어 표:
outlet | date | title | url | gist | stance | key_quotes | source_type
B7) 표준·규정 매핑 표:
standard_or_reg | clause | relevance | alignment | notes
B8) 위상 유사 인물 표:
person | similarity | common_motifs | key_differences | source | notes
Part C. 관계형 트리플 TSV
subject_uri_or_id predicate object_uri_or_id evidence_quote_or_page source_citation_key source_url time_span location confidence
Part D. JSON-LD
{ ... 유효한 JSON-LD 객체 ... }
Part E. 시카고 각주 블록
[KEY01] 저자, "제목," 매체, 발행일, URL, 접근일.
[KEY02] ...
Part F. 감사 로그
- 자동 추출 규칙 요약:
- 수작업 보정 항목:
- 남은 쿼리 목록:
- 한계와 편향 메모:
- 유사 병치 로그:
==================== OUTPUT END ====================