Triple

T27313321
Position Surface form Disambiguated ID Type / Status
Subject แม่น้ำมูล E689266 entity
Predicate passesNear P416 FINISHED
Object ตัวเมืองสุรินทร์
ตัวเมืองสุรินทร์คือเขตเมืองหลักและศูนย์กลางการคมนาคม การค้า และการปกครองของจังหวัดสุรินทร์ในภาคตะวันออกเฉียงเหนือของประเทศไทย ซึ่งมีชื่อเสียงด้านวัฒนธรรมเขมรและช้างไทย
 E1765905 NE FINISHED

How this triple was built (2 steps)

Every LLM step that produced this triple, in pipeline order — named-entity classification, the disambiguation choices (the exact options shown, with the pick highlighted), and the generated description. The batch + timestamp of each is in the Provenance table below.

NER Named-entity recognition gpt-5-mini
Instruction
Given a phrase, classify it is english named entity (e.g., persons, organizations, works of art) in Latin script, or not (e.g., literals, dates, URLs, verbose phrases). For disambiguation, the statement where the phrase occurs as object is also given. Please return a JSON object with `phrase` (string, the phrase being analyzed) and `is_ne` (boolean, indicating whether the phrase is a Named Entity).
Input
Phrase: ตัวเมืองสุรินทร์ | Statement: [แม่น้ำมูล, passesNear, ตัวเมืองสุรินทร์]
NEDg Description generation gpt-5.1
Instruction
Generate a one-sentence description of the target entity. 
You are given a context triple in the form (subject, predicate, object), where the object is the target entity. 
# Instructions
Use the triple to infer relevant information about the entity. Describe the entity based on what is most defining, well-known. 
Avoid repeating the information from the triple, unless really essential.
# Response Format
Return only the sentence: "Description: [one-sentence description of the target entity]"
Input
Entity: ตัวเมืองสุรินทร์
Triple: [แม่น้ำมูล, passesNear, ตัวเมืองสุรินทร์]
Generated description
ตัวเมืองสุรินทร์คือเขตเมืองหลักและศูนย์กลางการคมนาคม การค้า และการปกครองของจังหวัดสุรินทร์ในภาคตะวันออกเฉียงเหนือของประเทศไทย ซึ่งมีชื่อเสียงด้านวัฒนธรรมเขมรและช้างไทย

Provenance (5 batches)

The batch behind each pipeline step, in order, with when it ran. Timestamps are batch-level — stages were processed in waves, so the object chain (NER → NED1 → NEDg → NED2) reads in order, but predicate / elicitation batches can sit in a different wave.

Step Stage Batch ID Status When
creating Elicitation batch_69ef355c53a08190a8a92e355a7ce115 completed April 27, 2026, 10:07 a.m.
NER Named-entity recognition batch_69f627b4daa48190a0a8d236e3d589dc completed May 2, 2026, 4:35 p.m.
NED1 Entity disambiguation (via context triple) batch_6a129cb4d41c819081c59b4fddc11ed1 completed May 24, 2026, 6:37 a.m.
NEDg Description generation batch_6a129da51ce08190b85045a3d378c25f completed May 24, 2026, 6:41 a.m.
NED2 Entity disambiguation (via description) batch_6a129e4151208190995590e78cf35502 completed May 24, 2026, 6:44 a.m.
Created at: April 27, 2026, 11:29 a.m.