> 译文仅供阅读便利。具有规范效力的是英文原文。

# 语义连贯度评分

**元宇宙规范**

**文档编号：** MU-V2-ECO-006  
**标题：** 语义连贯度评分  
**文档类别：** 说明性  
**版本：** 2.0（草案）  
**状态：** 工作草案  
**规范性引用：** 无  
**说明性引用：** [Validation](../02-architecture/Validation.md)、[Certification](../06-ecosystem/Certification.md)、[Traceability](../02-architecture/Traceability.md)、[Event](../04-core-concepts/Event.md)、[Provenance-Graph](../02-architecture/Provenance-Graph.md)  
**版权：** © Orkestron.AI  
**许可：** Apache-2.0

---

# 1. 目的

本文档描述**语义连贯度评分** - 一把自动、透明的尺子，量的是*一份合规元模型把手边的语义能力用得有多好*。[Validation](../02-architecture/Validation.md) 回答的是二元问题（模型合规吗？），语义连贯度评分回答的则是分级问题（它的内容有多丰厚、多可追溯、多可信赖？）。

这一评分让**分级认证**成为可能：两份模型可以同样通过校验，却在记录事件、记述概念、承载溯源的完整程度上相去甚远。评分把这份差别摆到明处，并使之可比。

---

# 2. 这个评分量什么 - 又不量什么

语义连贯度评分量的是**内容质量**，不是架构。

- 它不重新核查合规；模型只有在通过 [Validation](../02-architecture/Validation.md)
  的通过 / 不通过各级之后，才会被评分。
- 它不判断*所建模的领域*是否正确；它判断的是模型把自己声称之事表达得有多连贯。
- 高分不能顶替认证，低分也不意味着不合规 - 一份精简但有效的模型可以得分不高，
  却依然完全可用。

一句话：校验问的是*它成型得好不好？*；评分问的是*它长成得好不好？*

---

# 3. 参与构成的各个维度

评分由若干彼此独立的维度合成，每个维度都可从模型及其历史中量得：

- **事件完整度** - 有多少比例的重要状态变化被记为不可变的
  [事件](../04-core-concepts/Event.md)，而不是仅凭当下状态去推想。
- **关系一致度** - 有多少比例的关系类型明确、双向可解析、且没有悬空的端点。
- **投影覆盖度** - 那些本就要被分享的对象，是否为其预定的上下文定义了合适的投影。
- **溯源存在度** - 有多少比例的重要事实带着溯源，并参与
  [溯源图](../02-architecture/Provenance-Graph.md)。
- **语义映射质量** - 对联邦中的模型而言，其概念与所声明可互操作的那些标准和伙伴之间，
  映射得有多完整、多干净。
- **文档完整度** - 有多少比例的公共概念带有显示名、描述与文档（含本地化覆盖）。
- **数据可信度** - 附于模型来源与断言之上的信任向量有多强。
- **新鲜度** - 相对于应有的复审节奏，模型及其高影响事实上一次被复审或更新有多近。

---

# 4. 计分模型

评分是对各维度作透明的**加权求和**，归一到 **0-100** 的尺度：

```text
Score = round( Σ ( weight_d × dimension_d ) )           dimension_d ∈ [0, 1]
                d
```

一份参考权重（因为模型是透明的，发布方与社群都可以调整并发布自己的一套）：

| 维度 | 权重 |
|-----------|-------:|
| 事件完整度 | 20 |
| 溯源存在度 | 18 |
| 关系一致度 | 15 |
| 投影覆盖度 | 12 |
| 语义映射质量 | 12 |
| 文档完整度 | 10 |
| 数据可信度 | 8 |
| 新鲜度 | 5 |
| **合计** | **100** |

公布的档位，给这个数字一层解读：

| 档位 | 区间 | 读法 |
|------|-------|---------|
| 典范 | 90-100 | 内容丰厚、完全可追溯、可直接联邦。 |
| 扎实 | 75-89 | 长成得好；只有细小缺口。 |
| 尚可 | 60-74 | 可用；在历史或溯源上有明显缺口。 |
| 发育中 | 40-59 | 有效但单薄；内容缺口不小。 |
| 最低 | 0-39 | 合规的骨架；语义上的丰厚很少。 |

连贯度报告会公布总分、档位与逐维度的分项得分，因此这个数字从不含混：读者随时能看出，是*哪个*维度把它拉低了。

---

# 5. 它如何补足校验与 MMQS

这一评分站在二元校验与未来的分级质量标准之间：

- [**校验**](../02-architecture/Validation.md) 是**关口** - V0-V5，通过或不通过。
  模型必须先过关，才谈得上评分。
- **语义连贯度评分**是**梯度** - 在同一批证据之上得出的一个可比数字，经由
  [认证](../06-ecosystem/Certification.md)呈现出来，使认证得以报告*分级的*质量，
  而不是一句通过或不通过。
- **元模型质量标准（MMQS）**则是那部**未来的标准**，它会让这道梯度在整个生态中具备
  规范效力（见未来方向）。

由于每个维度都从校验本就会产出的制品中算出 - 事件、关系、投影、溯源、映射、文档 - 这一评分复用的是既有证据，其可复现方式与[校验报告](../02-architecture/Validation.md)如出一辙。

---

# 6. 逐步演示的评分示例

设想一份已通过校验的 *Employee* 元模型。所量得的各维度（各自取值 0-1）与参考权重：

```text
Event completeness        0.90 × 20 = 18.0
Provenance presence       0.80 × 18 = 14.4
Relationship consistency  1.00 × 15 = 15.0
Projection coverage       0.75 × 12 =  9.0
Semantic Mapping quality  0.60 × 12 =  7.2
Documentation completeness 0.70 × 10 =  7.0
Data trust                0.85 ×  8 =  6.8
Freshness                 0.40 ×  5 =  2.0
                                     ------
Total                                 79.4  → 79  (Strong)
```

公布出来的报告既给出总分（79，"扎实"），*也*给出分项 - 于是改进的路径一目了然：新鲜度（5 分里得 2.0）与语义映射质量（12 分里得 7.2）是最弱的两项，因而复审陈旧事实、补齐联邦映射，会最快地把分数抬上去 - 而模型的架构一动不用动。

---

# 7. 架构上的位置

语义连贯度评分保全了生态的各项不变量：它只读已公布的证据，不改动被评分的模型；它不把权威集中起来（任何一方都能凭同一批证据重算）；它也从不凌驾于合规之上。它是搭在校验之上、照看质量的一面透镜 - 而绝非校验的替代。

---

# 8. 未来方向

语义连贯度评分，是未来那部**元模型质量标准（MMQS）**的一颗具体种子。MMQS 可以把各维度的定义与量法标准化、按领域发布参考权重档案、规定分级得分如何在[认证](../06-ecosystem/Certification.md)与注册表中呈现，并与一套**语义校验框架（SVF）**打通，使同一轮测试既产出通过 / 不通过的裁断，也产出连贯度梯度。它还可以让[信任向量](../02-architecture/Traceability.md)与[溯源图](../02-architecture/Provenance-Graph.md)自动喂养新鲜度与溯源两项的评分。

---

# 结语

语义连贯度评分把"这份模型好不好？"从一句意见，变成一个透明、可复现的数字。它量的是：模型把自己的历史记得多全、把自己的事实立得多稳、把自己的含义写得多清 - 并且总把总分背后的分项一并摊开 - 从而让生态得以奖赏语义上的丰厚，而丝毫不损合规那份二元的干脆。