glam/CZECH_CROSSLINK_REPORT.md

Czech Dataset Cross-linking Report (Quick Version)

Date: 2025-11-19 13:45:03
Status: ✅ COMPLETE (exact matches only)

Summary

• Exact matches: 11 institutions
• ADR only: 8,134 institutions
• ARON only: 549 institutions
• Total unified: 8,694 institutions

Exact Matches

• Archiv města Plzně
• Archiv města Ústí nad Labem
• Moravský zemský archiv v Brně
• Městská knihovna Znojmo
• Národní muzeum
• Národní muzeum - Knihovna Národního muzea
• Poštovní muzeum
• Státní oblastní archiv v Plzni
• Státní okresní archiv Prachatice
• Vlastivědné muzeum a galerie v České Lípě
• Vědecká knihovna v Olomouci

Provenance Fixes ✅

All 8,694 institutions now have corrected metadata:

• data_source: Changed from CONVERSATION_NLP to API_SCRAPING
• source_url: Added proper API endpoints
• extraction_method: Clarified for ADR vs ARON vs merged

Files Created

1. data/instances/czech_unified.yaml - Unified dataset (8,694 institutions)
2. CZECH_CROSSLINK_REPORT.md - This report

Next Steps

• Cross-link datasets (exact matches)
• Fix provenance metadata
• Geocode addresses (Priority 1 - next)
• Fuzzy matching (optional - can add later)
• Wikidata enrichment (Priority 2)