Graph + LLM 實踐指南｜如何使用自然語言進(jìn)行知識圖譜構(gòu)建和查詢

隨著 ChatGPT 等 AI 智能應(yīng)用在全球范圍內(nèi)的風(fēng)靡，大語言模型技術(shù)（Large Language Model，簡稱 LLM）受到各行業(yè)企業(yè)和個人用戶的廣泛關(guān)注。圖數(shù)據(jù)庫憑借圖形格式組織和連接信息的方式，能夠幫助大語言模型更好地理解實體間的關(guān)系，提升自己的表達(dá)和推理能力。那么，大語言模型與圖技術(shù)在具體應(yīng)用領(lǐng)域又能碰撞出怎樣的火花呢？

經(jīng)過悅數(shù)研發(fā)團(tuán)隊的努力和與國際多家知名大語言模型 LLM 技術(shù)團(tuán)隊的合作，目前悅數(shù)圖數(shù)據(jù)庫的產(chǎn)品已經(jīng)可以實現(xiàn)基于 Graph + LLM 技術(shù)的 Text2Cypher，即自然語言生成圖查詢。用戶只需要在對話界面中通過自然語言就可以輕松實現(xiàn)知識圖譜的構(gòu)建和查詢，更有開箱即用的企業(yè)級服務(wù)，歡迎大家在文末點(diǎn)擊試玩體驗新一代的悅數(shù)圖數(shù)據(jù)庫 x 知識圖譜應(yīng)用吧！

作為圖技術(shù)領(lǐng)域最常見應(yīng)用之一，知識圖譜以點(diǎn)-邊形式的圖結(jié)構(gòu)組織和表示知識，不僅可以用于表示實體（如人、地點(diǎn)、事件、概念等）之間的關(guān)系，還包含這些信息之間的語義含義，以一種結(jié)構(gòu)化的方式生動描述現(xiàn)實世界中的知識，使得計算機(jī)能夠理解和推理這些知識，被廣泛應(yīng)用于風(fēng)險控制、生產(chǎn)制造、藥物研發(fā)、科研探索等領(lǐng)域。

顧名思義，Text2Cypher 做的就是把自然語言的文本轉(zhuǎn)換成 Cypher 查詢語句。一直以來，阻礙圖數(shù)據(jù)庫、知識圖譜被更廣泛應(yīng)用的因素之一就是查詢圖數(shù)據(jù)庫的技術(shù)門檻。那么，在沒有大語言模型的時候，我們是怎么做的呢？

傳統(tǒng)的 Text2Cypher

文本到查詢的這個領(lǐng)域在大語言模型之前就一直存在這樣的需求，一直是知識圖譜最常見的應(yīng)用之一，比如 KBQA（基于知識庫的問答系統(tǒng)）的系統(tǒng)內(nèi)部本質(zhì)上就是 text2cypher。

當(dāng)一個問題語句發(fā)送過來之后，它首先要做意圖識別（Intent）、實體識別（Entity），然后再利用 NLP 模型或者代碼把相應(yīng)的意圖和實體構(gòu)造成知識圖譜的查詢語句，最終查詢圖數(shù)據(jù)庫，并根據(jù)返回結(jié)構(gòu)構(gòu)造答案。

可以想象，讓程序能夠：

• 從自然語言中理解意圖：對應(yīng)到哪一類支持回答的問題
• 找出實體：問題中涉及到的主要個體
• 從意圖和實體構(gòu)造查詢語句

不可能是一個容易的開發(fā)工作，一個真正能夠落地的實現(xiàn)要訓(xùn)練的模型或者實現(xiàn)的規(guī)則代碼所考慮的邊界條件可能非常多。

大語言模型實現(xiàn)的 Text2Cypher

而在”后大語言模型“時代，這種從前需要專門訓(xùn)練或者寫規(guī)則的”智能“應(yīng)用場景成了通用模型+提示工程（Prompt Engineering）就能完成的任務(wù)。

注：提示工程指通過自然語言描述，讓生成模型、語言模型完成”智能“任務(wù)的方法。

為此，悅數(shù)圖數(shù)據(jù)庫經(jīng)歷了一系列研發(fā)驗證工作，最終實現(xiàn)了大語言模型與圖查詢語言表達(dá)的對接。用戶在提出任務(wù)的時候，只需要使用自然語言，就可以實現(xiàn) Schema 獲取、Cypher 語句生成的 Prompt、各種大語言模型（LLM） 的調(diào)用、結(jié)果的處理，真正實現(xiàn)了無需代碼、開箱即用的知識圖譜構(gòu)建和查詢方案。

通過悅數(shù)圖技術(shù)與大語言模型的結(jié)合，企業(yè)用戶可以輕松實現(xiàn)知識圖譜的構(gòu)建和查詢。不僅可以以較低的費(fèi)用成本完成高準(zhǔn)確性的查找和直觀的可視化呈現(xiàn)，而且不再需要長時間的學(xué)習(xí)投入才能掌握從圖中獲取重要洞察的方法了。

和上一代知識圖譜相比，悅數(shù)圖數(shù)據(jù)庫和大模型的結(jié)合，能夠讓企業(yè)以更低成本更便捷地構(gòu)建基于海量數(shù)據(jù)的知識圖譜。同時，用戶能直接使用自然語言進(jìn)行交互式提問和查詢，降低企業(yè)使用門檻，用戶學(xué)習(xí)成本更低。