知识图谱

知识图谱于14年出现，之后进入平稳期，23年由于大模型的出现再次火爆。

1. 大模型的“幻觉”问题的解决方式

   • 提高LLM的能力
   • 框定边界（大量符合逻辑的facts），大模型在边界内通过自身的理解能力，提供回复
     • facts 来源于：一些网络/企业内部文档/企业内的数据库/结构化的知识图谱

2. 知识图谱：一种存储facts的方式

   采用了“实体&关系”的方法来存储信息

   区别于简单的图：包含多种实体和多种关系

3. 知识图谱的优势

   1. 关系直观
   2. 抓住重要信息
   3. 弥补文本到向量直接的关系（GraphRAG：KG与向量数据库融合）

RAG 与知识图谱结合

1. 知识图谱的必要性

   e.g：问题:“感冒常用药物的负作用”；数据库存储的是“冲剂” 的描述，对应段落刚好没有出现“感冒” 这个关键词；两者相似度不够高，无法匹配

   —— 使用知识图谱找到“感冒”和“冲剂”之间的关系

2. RAG 与知识图谱如何结合

   基于知识图谱扩充问题，将问题具像化

   • 改写后的问题进入向量数据库，作为 chunks
   • 改写后的问题进入知识图谱，检索出与问题对应的相关子图(subgraph)；子图由很多三元组(如感冒-治疗的药物有-冲剂)构成，将所有的三元组转化为文字形式

   将上述两部分合在一起，构造新的上下文包含我们的潜在答案。

3. 存在的问题

   1. 如何构建图谱：人工、通过 LLM…
   2. 合并后存在冗余信息，如何过滤重复信息
   3. 怎么抽取子图 (k-hop)
   4. 抽出的子图是否可再次在向量库中检索，得到结果后再次合并
   5. 如何更好地融入结构信息，让 LLM 更好地理解结构信息
      • 使用更结构化的 prompt
      • 结合图模型技术

SPARQL

SPARQL 是用于访问 RDF 的查询语言和协议。

**RDF **是一组三元组，指的是两个事物和它们之间的直接关系，在语法上呈现为"主语 + 谓语 + 宾语"。

每套谓语必须有一个明确的 URL，通过 URL 区分不同的谓语。RDF 官方定义了一套常用的谓语。

URL 比较冗长，引用不方便。RDF 通常用前缀rdf表示，代表 URL 地址：

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns>

每个 URL 里面可以包含多种谓语，通过"前缀 : 谓语"的形式来区分。

• 比如，官方定义了一个"type"谓语，说明主语的类型，就可以用rdf:type表示。

  小明是学生。

  上面这句话，写成 RDF 三元组，就是下面的形式。

  PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns>
  
  小明 rdf:type 学生.
  

• 由于rdf:type是一个常用谓语，RDF 允许把它简写成a，因此"小明是学生"又可以表示成小明 a 学生。

  PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns>
  
  小明 a 学生 .
  

注意：每个 RDF 三元组的结尾是一个英文的句号，用来区分多个三元组。

• 语法示例

  “甲壳虫是一个乐队，成员有 John Lennon、Paul McCartney、Ringo Starr 和George Harrison。”

  这句话对应的三元组如下：

  甲壳虫 rdf:type Band .
  甲壳虫 :name "甲壳虫" .
  甲壳虫 :member John_Lennon .
  甲壳虫 :member Paul_McCartney .
  甲壳虫 :member Ringo_Starr .
  甲壳虫 :member George_Harrison .
  

  上面例子中，rdf:type、:name、:member都是谓语。由于这些三元组的主语相同，RDF 允许将它们合并：

  甲壳虫 a 乐队 ;
        :name "甲壳虫" ;
        :member John_Lennon, Paul_McCartney, George_Harrison, Ringo_Starr .
  

  上面的代码中，主语相同的三元组采用合并写法时，每个三元组之间使用分号隔开，最后一个三元组采用句号结尾。

• SPARQL 查询语言

  核心思想：根据给定的谓语动词，从三元组提取符合条件的主语或宾语：

  SELECT <variables>
  WHERE {
     <graph pattern>
  }
  

  上面代码中，<variables>是所要提取主语或宾语，<graph pattern>是所要查询的三元组模式。

• KG