第十一章：第一节知识图谱与Neo4j安装

第一节 知识图谱与 Neo4j 安装

一、什么是知识图谱

知识图谱（Knowledge Graph, KG） 源于自然语言理解，其目标是用一种结构化的方式，来描述现实世界中的实体及其相互关系。它主要由两个核心要素构成：

1. 节点（Nodes）：代表现实世界中的“实体”（Entities），例如一个人、一部电影、一家公司或一个具体概念。
2. 边（Edges）：代表实体与实体之间的“关系”（Relations）。

这些元素共同构成了一个庞大的语义网络，其基本结构可以表示为 （实体）- [关系] -> （实体） 的三元组（Triples）。例如，“饺子”和“哪吒2”是两个实体，“导演”就是它们之间的关系，构成一个知识三元组：（饺子）- [导演] -> （哪吒2）。

二、知识图谱的应用

知识图谱并非一个孤立的学术概念，它在工业界有着广泛且深入的应用，尤其是在需要深度结合领域知识的场景中。

2.1 风险识别与网络分析

俗话说“近朱者赤，近墨者黑”，在许多领域，一个实体的风险或属性，往往与其关联的其他实体有很强的相关性。知识图谱正是挖掘这种关联性的利器。

• 犯罪网络侦查：公安部门可以利用通话记录、社交关系、转账流水等信息构建犯罪嫌疑人网络。在这个网络中，如果某个节点与多个已知的犯罪分子有直接或间接的联系，那么他参与犯罪的可能性就大大增加。通过分析网络中的核心人物（连接数最多的节点）和资金流向，可以有效地打击整个犯罪团伙。
• 信用卡反欺诈：银行可以将申请人的信息（如电话、地址、公司）构建成一个庞大的关系网络。通过分析这张网络，可以识别出“欺诈团伙”——例如，多个申请人共享同一个联系电话或家庭住址，或者与已知的欺诈分子有紧密的社交关系。

2.2 智能诊断与运维

• 工业设备运维：将设备的各种“故障现象”、“故障原因”、“解决方案”和“所需零件”构建成知识图谱。当设备出现问题时，系统可以根据上报的现象，在图谱中进行推理，快速定位可能的原因，并给出维修建议，甚至可以提示维修人员需要携带哪些工具和备件，从而提高维修效率。
• 医疗辅助诊断：医疗领域知识繁杂，可以通过构建“病症”、“疾病”、“检查项目”、“治疗方案”、“药品”之间的关系图谱。医生输入患者的症状后，系统可以辅助推荐需要进行的检查，并根据检查结果在图谱中推理，给出可能的诊断建议和治疗方案，帮助实现规范化诊疗。

2.3 特定领域聊天机器人

对于通用领域的开放式聊天，大语言模型（LLM）已展现出强大的能力。但在许多垂直领域，基于知识图谱的问答系统（KBQA）因其答案的准确性和可解释性，仍然具有不可替代的价值。其工作流程通常如下：

1. 意图识别：首先判断用户提问的意图。例如，“我想买一张明天上午的故宫门票”这个问题的意图是“票务预订”。
2. 槽位填充 (实体抽取)：从问题中抽取出关键信息，即“实体”。例如：景点: 故宫, 时间: 明天上午, 数量: 一张。
3. 知识查询：利用抽取出的实体，在知识图谱（或数据库）中进行精确查询。
4. 回复生成：将查询到的结果，通过预设的模板生成自然语言回复。

这种方式虽然不如 LLM 灵活，但在机票预订、酒店查询、银行客服等业务逻辑明确的场景中，能够提供更加可靠和可控的服务。

三、知识图谱的构建

如何从海量的、非结构化的文本（如新闻、财报、医疗记录）中，自动地构建出结构化的知识图谱，是整个技术流程的核心挑战。

3.1 经典构建流程

传统的知识图谱构建过程主要依赖于两项关键的 NLP 技术：

1. 命名实体识别 (Named Entity Recognition, NER)：从文本中识别并抽取出特定类别的实体。例如，在“英伟达发布了专为 AI 设计的 Blackwell 芯片”这句话中，识别出“英伟达”（公司）、“Blackwell”（产品）。这些被抽取的实体将成为知识图谱中的 节点。
2. 关系抽取 (Relation Extraction, RE)：在识别出实体的基础上，进一步判断实体与实体之间存在何种语义关系。在上面的例子中，模型需要判断“英伟达”和“Blackwell”之间的关系是“发布”。这个关系将成为连接两个节点的 边。

通过对大量文本进行这两步处理，我们就能源源不断地抽取出知识三元组，最终汇聚成一个庞大的知识图谱。

3.2 大模型带来的革新

随着大语言模型的兴起，传统的 NLP 任务流程正在被重塑。LLM 同样具备强大的实体识别和关系抽取能力，但这并不意味着对传统流程的简单替代，而是呈现出深度融合的趋势。

• 局限性与挑战：完全依赖 LLM 会面临成本高昂、数据隐私（使用闭源 API 时）、以及“幻觉”问题，即模型可能会编造事实。
• 融合方案：为了结合知识图谱的准确性和大模型的推理能力，微软提出了 GraphRAG。原理是将知识图谱作为一个可靠、可随时更新的 外部知识库，并基于图结构进行“子图检索”（如社区发现、路径搜索等），而非检索孤立事实。当用户提问时：
  1. 利用模型从问题中识别出核心实体与约束。
  2. 在图中检索与之高度相关的子图（社区/路径/邻域），获得准确且可解释的事实与关系。
  3. 将该子图的结构化信息作为上下文，连同原始问题一起输入给大语言模型，生成基于证据的答案。

四、图数据库：Neo4j

Neo4j 官方文档

知识图谱需要专门的数据库进行存储和查询，这类数据库被称为 图数据库 (Graph Database)。其中，与传统的关系型数据库（如 MySQL）相比，图数据库的优势在于其对“关系”的查询性能。对于需要进行多层关系遍历的复杂查询（例如，查询“我朋友的朋友”），图数据库的效果远超关系型数据库。而 Neo4j 就是目前比较流行的一款开源图数据库。

4.1 核心概念

Neo4j 的数据模型主要包含以下几个概念：

• 节点 (Node)：节点是图中的基本数据单元，用于表示现实世界中的实体，例如一个人、一家公司、一本书或一个账户。在关系型数据库中，节点可以类比为表中的一行。

• 标签 (Label)：用于为节点分类或打上“类型”标记。一个节点可以拥有一个或多个标签。例如，一个节点可以同时拥有 :Person 和 :Author 两个标签，表示这个人既是一个普通人，也是一位作者。

• 关系 (Relationship)：这是图数据库的精髓所在，它以一种富有表现力的方式连接两个节点，并明确地定义了它们之间的联系。每个关系都具有以下特点：

  • 有方向：关系总是从一个“起始节点”指向一个“结束节点”。
  • 有类型：每个关系都必须有一个类型（例如 :FRIENDS_WITH, :PURCHASED），用来描述连接的性质。
  • 可以拥有属性：和节点一样，关系也可以存储属性，例如，一个 :PURCHASED 关系可以有一个 date 属性来记录购买日期。

• 属性 (Property)：属性是以键值对（Key-Value）形式存储在节点和关系上的详细信息。键是字符串，值可以是各种基本数据类型（如字符串、数字、布尔值）或它们的数组。

这四个概念共同构成了一个灵活而强大的数据模型。

在上图中，Alice 和 Bob 是 节点，:Person 是 标签，{name: 'Alice'} 是 属性，KNOWS 则是连接它们的 关系 类型，而 {since: 2020} 是这段关系上的 属性。

4.2 查询语言：Cypher

Cypher 是 Neo4j 的声明式图形查询语言，它的语法灵感来源于 SQL，但针对图的特性进行了优化。通过 Cypher，我们可以用一种直观且高效的方式来查询和操作图数据。

例如，要查找在电影《黑客帝国》(The Matrix) 中出演过的所有演员，可以使用以下查询：

MATCH (actor:Person)-[:ACTED_IN]->(movie:Movie {title: 'The Matrix'})
RETURN actor.name
​

官方的 Cypher 语法速查表（在线版本）汇总了常用的命令、操作符和语法结构，可供读者快速查阅。

图 1.1: Cypher 语法速查表 (Cypher Refcard)

4.3 安装与使用

对于初学者和开发者，推荐以下两种主流的安装方式。

1. Neo4j Desktop (推荐用于本地学习)

   • 安装:
     1. 访问 Neo4j 官网，在 “Neo4j for Desktop” 板块点击 “Download” 按钮。
        

        图 1.2: 在官网点击下载

     2. 页面会跳转至一个注册表单。可以填写任意信息，然后点击 “Download Desktop” 按钮，浏览器将自动开始下载安装包。
        

        图 1.3: 填写注册表单

     3. 下载完成后，双击安装文件，程序会自动进行安装。
     4. 安装完成后首次启动，会看到许可协议界面，点击 “Continue” 即可完成最后的设置。
        

        图 1.4: 首次启动并同意许可协议

2. Docker (推荐用于服务器部署与跨平台开发)

   • 安装: 只需一行命令即可完成拉取镜像和启动容器。

     docker run \
         --name my-neo4j \
         -p 7474:7474 -p 7687:7687 \
         -d \
         -v $HOME/neo4j/data:/data \
         -v $HOME/neo4j/logs:/logs \
         --env NEO4J_AUTH=neo4j/password \
         neo4j:latest
     ​

   • 参数说明:
     • -p 7474:7474: 将容器的 HTTP 端口映射到本机，用于浏览器访问。
     • -p 7687:7687: 将容器的 Bolt 驱动端口映射到本机，用于代码连接。
     • -v $HOME/neo4j/data:/data: 将数据目录挂载到本机，确保数据持久化。
     • --env NEO4J_AUTH=neo4j/password: 设置数据库的初始用户名和密码（此处为 neo4j/password）。
     • neo4j:latest: 使用最新的官方镜像。