語料瀏覽器
資料分布.html
三欄式：左邊挑條件、中間看清單、右邊讀內文。要「翻語料」就開這一份。
- 某個主題我們有幾篇？來源／型態／年份／分類四個面向交叉篩
- 這篇到底寫什麼？右欄內嵌前段內文＋原文連結
- 等級 A/B/C 掛在資料型態上（同一個網站會同時產 A 和 C）
四份產物、四條關係。上半決定開哪一份、哪條邊能信； 下半是它們背後的依據 —— 為什麼這座知識庫需要圖，而不是只靠全文搜尋。
四份不重疊 —— 翻語料開第一份，看整體關係開第二份， 看課程落差與法條鏈只有第三份有， 追一個東西「連到什麼、依據是什麼」開第四份。
資料分布.html
三欄式：左邊挑條件、中間看清單、右邊讀內文。要「翻語料」就開這一份。
關係圖-總覽.html
一張網看完四種實體怎麼互相連。要問「這個主題牽到誰」就開這一份。
關係圖.html
五節細節。第三、五節總覽沒有 —— 要看課程落差或法條鏈只能開這一份。
屬性圖.html
追一個東西：它連到什麼、依據是什麼、那個依據信不信得過。 節點與邊都帶著自己的屬性與出處。
同一張圖上的邊，可信度差很多。下面每一格的覆蓋數字都是這次當場數的； 兩條標「清理後再用」的，問題寫在它自己下面。 判準：一條邊如果想不出「哪個問題會走過它」，那它就是裝飾 —— 圖的價值來自路徑，不是節點數。
每篇的 category 兩兩共現。這批資料是 multi-label，
共現本身就是邊，不需要任何推論。
驗收題庫.md 的七類 × 來源對照表 —— 那是人工標註，
不必重標，直接讀進來畫。
x_instructor × x_product_categories。
「分類」是 TFF 官網的商品架構，一門課可以掛好幾個。
x_primary_category，爬蟲去重時「先看到的先留」，所以一門掛在多個分類底下的課
只會記到yaml 裡排最前面的那一個。2026-08-18 實測：宣告 20 個分類、語料只出現 6 個，
畫出來會得到「沒有人教信託、沒有人教資安」——那是假的，而且不會有任何地方報錯。講師取自 講師名單.csv（每位指得回課號），
主題取自該課的 category。
x_instructor 有
篇、
個不同字串，出現最多的是「」 篇 —— 那是機構代稱。直接當節點，圖上最粗的線會是一個
不存在的人，還會連到最多主題。所以一律以 講師名單.csv（ 位）為準。三種都是同一個病：答案所在的那一篇，不含問題裡的字。 關係圖只做這一件搜尋做不到的事 —— 把字面不重疊、但語意相連的兩端接起來。 所以建圖是從問題倒推，不是從資料正推：先挑一個真的被問過的問題， 寫出答案要走的那條路徑，路徑上每一段才是一種邊。
「這則新裁罰該開什麼課？」
裁處書寫的是法律語言（侵占要保人繳納之保險費），課名寫的是 市場語言（業務員挪用保費）—— 全文搜尋交集是零。
裁罰 →(引用)→ 法條 →(標記)→ 主題 →(標記)→ 課
「同業有開、我們沒開的是什麼？」
這不是「找一篇」，是兩個集合相減 —— 全文搜尋沒有這個運算。
主題 ←(標記)← 同業課 ／ 主題 ←(標記)← 自家課，取差集
「這個主題找誰講？」
講師的名字不會出現在他該講的那篇語料裡 —— 他在課程頁，主題在裁罰書。
主題 ←(標記)← 課 →(授課)→ 講師
以第一種問題為例，查詢就是「走五步」。第 2–3 步做的是跨語彙， 第 4 步做的是集合運算，第 5 步做的是跨型態跳躍（文件 → 人）—— 這三件事全文搜尋一件都做不到。
畫圖之前先看資料撐不撐得住。這一節的每個數字都現算，重跑就更新。
單位是標籤次數不是篇數（ 篇掛了 2 個以上分類，相加會大於 ）。「一般」 篇是個警訊 —— 那一格說明詞彙可能分得太粗。
第三份產物第五節那條鏈的骨架。
兩條原本設計裡的邊實測建不起來，照實說：
① 法條 →(教到)→ 課 —— 課程內文一篇都沒有引用條號
（自家 、同業
皆為 0），改走主題當中介。
② 新法規 →(定義)→ 法條 ——
fsc_newlaw 篇裡只有
篇、
fsc_noticelaw
篇裡 0 篇寫得出條號。
另剔掉 條樣板法條（）——
那是裁罰書結尾的救濟教示，不是這件裁罰在講的事。
來源 。
語料答得了 題、部分 題、
答不了 題 ——
答得了的是少數，這一格就是它的證據。
推薦給客戶的名字只能出自最上面那一層。
逐筆提及 筆 —— 這一列不畫條： 單位是「提及次數」不是人數，跟上面三列不同尺度，畫在一起會被讀成「人最多的一層」。
已確認＝講師名單.csv，每位指得回課號，可以拿去邀約。
線索／待確認＝從 podcast 與 YouTube 抽出來的，未經查證，
只能當探索起點。逐筆提及是一列一個「提及」不是一列一個人 —— 出處不能被彙總掉。