[!info] related notes

• 所属 MOC: RAG Engineering MOC
• 相关: Vector Database, Hybrid Search

Knowledge Graph

一句话定义

Knowledge Graph 是用图结构组织知识的方式。节点是实体（人、产品、概念），边是关系（属于、导致、包含）。它能表达”张三-属于-技术部-开发-产品A”这样的结构化知识。

核心原理

知识图谱 vs 向量搜索

	向量搜索	知识图谱
知识表示	非结构化文本	结构化实体和关系
检索方式	语义相似度	图遍历
优势	自然语言查询	多跳推理
劣势	不擅长关系查询	构建成本高

应用场景

问: "技术部有哪些人参与了产品A的开发？"

向量搜索: 可能找到包含"技术部"和"产品A"的文档，但不一定有人员列表

知识图谱:
  技术部 --[属于]--> 张三
  技术部 --[属于]--> 李四
  张三 --[参与开发]--> 产品A
  → 精确回答: 张三

图数据库示例 (Neo4j)

// 创建实体
CREATE (zhang:Person {name: "张三"})
CREATE (tech:Department {name: "技术部"})
CREATE (productA:Product {name: "产品A"})

// 创建关系
CREATE (zhang)-[:BELONGS_TO]->(tech)
CREATE (zhang)-[:WORKS_ON]->(productA)

// 查询
MATCH (p:Person)-[:BELONGS_TO]->(d:Department {name: "技术部"}),
      (p)-[:WORKS_ON]->(prod:Product {name: "产品A"})
RETURN p.name

常见坑

1. 构建成本高: 需要从非结构化文本中提取实体和关系
2. 维护困难: 实体和关系需要持续更新
3. 不适合所有场景: 自然语言问答还是向量搜索更好

参考资料

• Knowledge Graph - Wikipedia
• Neo4j