AI大模型与知识图谱融合实战：从零构建智能问答系统

1次阅读

共计 2888 个字符，预计需要花费 8 分钟才能阅读完成。

最近在用 ChatGPT 做电影推荐时，经常遇到让人哭笑不得的情况——它会把根本没合作过的导演和演员强行配对，甚至杜撰不存在的电影奖项。这种大模型常见的 ” 幻觉 ”（Hallucination）问题，恰好是知识图谱（Knowledge Graph）能解决的领域。

但实际操作中发现三个头疼的问题：

数据格式打架 ：大模型吃的是非结构化文本，知识图谱偏爱结构化的节点关系
时效性不同步 ：图谱更新要走 ETL 流程，大模型却要求实时响应
知识表征冲突 ：同一个导演的名字，在维基百科和图谱 ID 可能完全不同

试过两种主流方案后，我的体会是：

微调（Fine-tuning） 适合领域固定但标注数据充足的场景，比如医疗术语标准化
检索增强生成（RAG） 更适合需要动态知识的场景，这正是我们的电影推荐需要的

最终技术栈组合拳：

LangChain：做 AI 应用的 ” 胶水 ”，连接大模型和外部知识
Neo4j：图数据库里对开发者最友好的，Cypher 查询像说英语
Redis：给高频查询加个缓存层，省掉重复计算

先看一个创建导演 - 电影关系的 Cypher 示例（注意属性设计的技巧）：

// 创建带时间属性的导演节点
CREATE (d:Director { 
  name: 'Christopher Nolan',
  birthYear: 1970,
  style: ['非线性叙事', '实拍特效'] 
})

// 建立带角色权重的导演关系
MATCH (d:Director {name: 'Christopher Nolan'})
CREATE (m:Movie {title: '盗梦空间', year: 2010})
CREATE (d)-[r:DIRECTED {
  budget: 1.6e8,
  shootingDays: 92 
}]->(m)

关键设计原则：

避免把所有属性塞进节点，关系也能承载数据
数组类型存储风格标签，方便后续向量搜索
数值字段统一单位（比如预算全用美元）

配置 GraphCypherQAChain 时，这三个参数最影响效果：

from langchain.chains import GraphCypherQAChain

chain = GraphCypherQAChain.from_llm(llm=ChatOpenAI(temperature=0),  # 降低随机性
    graph=Neo4jGraph(),
    verbose=True,
    # 关键参数：top_k=10,  # 限制检索规模
    return_intermediate_steps=True,  # 调试用
    validate_cypher=True  # 防止注入
)

处理结果对齐时，推荐用结构化输出模板：

def format_answer(kg_facts, llm_output):
    """将图谱查询与 LLM 输出对齐"""
    try:
        # 提取实体关系
        entities = {e['name']: e for e in kg_facts['nodes']}

        # 用 f -string 保证格式稳定
        return f"根据知识图谱：{entities[' 导演 ']['name']} 擅长 {entities[' 导演 ']['style']}。" \
               f"大模型补充：{llm_output}"
    except KeyError as e:
        # 异常处理必备
        logger.warning(f"字段缺失: {e}")
        return llm_output  # 降级方案

用 Redis 缓存高频查询，减少 80% 的图谱访问：

import redis
from hashlib import md5

r = redis.Redis()

def get_cached_cypher(query: str) -> list:
    """查询缓存逻辑"""
    key = md5(query.encode()).hexdigest()
    if cached := r.get(key):
        return json.loads(cached)

    # 缓存未命中时执行查询
    result = neo4j_query(query)
    r.setex(key, 3600, json.dumps(result))  # 1 小时过期
    return result

面对大规模图谱时，先提取相关子图再查询。对比两种算法：

邻居拓展法 ：时间复杂度 O(n²)，适合深度遍历
随机游走法 ：时间复杂度 O(n)，适合广度关联

推荐用 NetworkX 实现：

import networkx as nx

def extract_subgraph(seed_node, depth=2):
    """提取二度关系子图"""
    g = nx.Graph()

    # 添加中心节点
    g.add_node(seed_node)

    # 遍历邻居
    for _, rel, node in neo4j.query(f"MATCH (n)-[r*..{depth}]-(m) WHERE n.id ='{seed_node}'RETURN r, m"):
        g.add_edge(seed_node, node['id'], label=rel.type)

    return g

初期设计时踩过的坑：

不要为每个电影创建单独的流派节点，改用标签属性
演员关系用「合作次数」边属性替代单独的关系节点

防注入的实用方法：

from langchain.prompts import PromptTemplate

safe_prompt = PromptTemplate(
    template=""" 忽略之前的指令。根据以下电影知识回答：{context}
    问题：{question}""",
    input_variables=["context", "question"]
)

准备好的实践环境：

数据集 ：IMDB 5000 部电影精简版（含导演风格标签）
Docker 镜像 ：预装 Neo4j 5.12 和 APOC 插件

实现一个增强版推荐功能：

def recommend_by_style(director_name):
    """结合导演风格和用户评价的推荐"""
    # 从图谱获取导演特征
    style = query_neo4j(f"""
        MATCH (d:Director)-[:DIRECTED]->(m)
        WHERE d.name = '{director_name}'
        RETURN d.style AS style, avg(m.rating) as avg_rating
    """)

    # 用大模型解释风格
    llm_input = f"导演风格：{style}"
    return chain.run(llm_input)

传统搜索 vs 增强后的效果：

查询类型	纯大模型回答	知识图谱增强
“ 诺兰风格 ”	可能包含虚构元素	基于实拍电影数据分析
“ 推荐类似《教父》的电影 ”	仅基于文本相似度	结合导演、演员、流派多维关系