7.3 知识图谱：把散落的事实连成可问答的网

7.3 知识图谱：把散落的事实连成可问答的网

本节摘要：知识图谱把文档、表格、日志里的实体与关系收进一张图，让"问一句、答一片"成为可能。本节走完整链路：schema 先行的建模纪律、实体抽取与对齐的工程手段、实例数据的批量入库，最后搭建"自然语言问句翻译成 Cypher"的问答层。读完你将能评估自己业务的知识图谱化路径。

推荐和欺诈都从业务数据出发，知识图谱多一步"从非结构化文本里来"。它的难点不在存储——Neo4j 存图谱毫无压力——而在抽取、对齐、维护三件工程活。

一、Schema 先行：本体设计三步

与 2.1 的建模三步法同源，但知识图谱更强调"本体先行"——先定义类型系统，再灌数据：

// 本体约束：类型、唯一键、必填（约束先行的落地）
CREATE CONSTRAINT org_name_unique IF NOT EXISTS
FOR (o:Organization) REQUIRE o.name IS UNIQUE
CREATE CONSTRAINT person_name_unique IF NOT EXISTS
FOR (p:Person) REQUIRE p.name IS UNIQUE
​

本体设计三步：
1. 列类型：Person、Organization、Location、Concept、Event
2. 定关系：WORKS_AT、LOCATED_IN、FOUNDED、SUBCONCEPT_OF
3. 规定层级：Concept 用 SUBCONCEPT_OF 自环构成分类树
​

知识图谱与业务图的差别在于层级敏感："图数据库 IS_A 数据库"这类分类关系要能支撑"把所有数据库相关的概念带出来"的泛化查询——自环关系 + 变长路径的组合（2.3 的技能）正是为此准备的。

二、实体抽取与对齐：图谱质量的生死线

同一实体在不同文本里的写法不同（"中科院"与"中国科学院"），不对齐就会长出双头节点。工程上分两步：

// 第一步：抽取结果批量入库（MERGE 保幂等，alias 数组做别名）
UNWIND $entities AS e
MERGE (n:Organization {name: e.canonical})
ON CREATE SET n.aliases = e.aliases, n.type = e.type
WITH n, e
UNWIND e.aliases AS alias
MERGE (al:Alias {name: alias})
MERGE (al)-[:REFERS_TO]->(n)
​

第二步：查询时先过别名层——"中科院" → Alias 节点 → REFERS_TO → 官方节点
别名层的好处：归一逻辑可迭代，
新别名随时补挂，不必改历史节点
​

图：别名层的归一结构

⚠️ 别在节点上存别名数组然后每次 CONTAINS 查——别名层（独立节点 + REFERS_TO 边）让归一化变成可增量维护的图结构，这是知识图谱建模的成熟惯例。

三、实例演练：一个小型领域图谱

以"人工智能领域知识图谱"为例灌入种子数据并跑一个泛化查询：

// 种子数据：概念树 + 人物关系
CREATE (ai:Concept {name: '人工智能'})
CREATE (ml:Concept {name: '机器学习'})
CREATE (dl:Concept {name: '深度学习'})
CREATE (kg:Concept {name: '知识图谱'})
CREATE (ml)-[:SUBCONCEPT_OF]->(ai)
CREATE (dl)-[:SUBCONCEPT_OF]->(ml)
CREATE (kg)-[:SUBCONCEPT_OF]->(ai)
CREATE (t:Person {name: '陈墨'})-[:EXPERT_IN {since: 2020}]->(kg)
CREATE (t)-[:WORKS_AT]->(:Organization {name: '启元实验室'})
​

// 泛化查询：AI 大领域下所有子概念的专家都有谁
MATCH (root:Concept {name: '人工智能'})<-[:SUBCONCEPT_OF*1..3]-(c:Concept)
      <-[:EXPERT_IN]-(p:Person)
RETURN c.name AS 子概念, collect(DISTINCT p.name) AS 专家
​

子概念      | 专家
-----------|------
"机器学习"  | ["王一舟"]
"深度学习"  | ["王一舟", "李微"]
"知识图谱"  | ["陈墨"]
​

SUBCONCEPT_OF*1..3 一行，就是关系库要写三次递归 CTE 的活——1.1 的判据在知识图谱场景的再次应验。

四、问答层：自然语言到 Cypher 的翻译

业务人员不会写 Cypher，问答层的职责是把问句翻译过去。成熟做法是意图模板 + 实体链接两级：

问句："陈墨在哪个机构工作？"
  ↓ 意图识别 → 命中模板：{人} 的任职机构
  ↓ 实体链接 → "陈墨" 经别名层定位 Person 节点
  ↓ 模板实例化 → 下方 Cypher
​

// 模板实例化结果（参数 $person = '陈墨'）
MATCH (p:Person {name: $person})-[:WORKS_AT]->(o:Organization)
RETURN o.name AS 机构
​

机构
----
"启元实验室"
​

模板覆盖不了的问句，退化为"实体 + 相邻两跳"的通用查询（MATCH (n {name: $e})-[r]-(m) RETURN ...），答不出来时明确说"图谱暂未覆盖"——诚实降级比瞎答更可信，这是问答系统的产品纪律。

本节要点回顾

• 知识图谱 = 本体（类型系统）+ 实例（抽取对齐后的图）+ 问答层；
• Schema 先行：约束、类型、层级关系在灌数据前定义；
• 别名层（Alias 节点 + REFERS_TO）是实体归一的可维护形态；
• 分类树的泛化查询 = 自环关系 + 变长路径，图的本职优势；
• 问答走"意图模板 + 实体链接"，覆盖不到就诚实降级。

图谱回答"是什么、有什么关系"。下一节换成"怎么走最快"——路径查找与导航。