geo/docs/02-模块说明/entity-types.md

知识图谱实体类型定义

概述

本文档描述知识图谱中使用的实体类型和关系类型。

实体类型 (EntityType)

位置：backend/app/models/knowledge_graph.py

类型定义

类型	枚举值	说明	示例
ORGANIZATION	organization	公司/组织	腾讯、阿里巴巴
PRODUCT	product	产品	微信、王者荣耀
PERSON	person	人物	马化腾、张小龙
LOCATION	location	地点	深圳、广州
TECHNOLOGY	technology	技术	AI、区块链
BRAND	brand	品牌	微信支付、腾讯云
EVENT	event	事件	2020腾讯年会
CONCEPT	concept	概念	数字化转型

属性说明

class Entity:
    id: str              # UUID
    name: str            # 实体名称
    entity_type: str     # 实体类型
    description: str     # 描述
    properties: dict     # 自定义属性
    confidence: str      # 置信度 (high/medium/low)
    source_chunk_id: str # 来源Chunk ID

关系类型 (RelationType)

位置：backend/app/models/knowledge_graph.py

类型定义

类型	枚举值	说明	示例
COMPETES_WITH	competes_with	竞争对手	微信 ↔ 支付宝
PARTNERS_WITH	partners_with	合作伙伴	腾讯 ↔ 京东
PRODUCES	produces	生产	苹果 ↔ iPhone
USES_TECHNOLOGY	uses_technology	使用技术	微信 ↔ AI
LOCATED_IN	located_in	位于	腾讯 ↔ 深圳
FOUNDED_IN	founded_in	成立于	腾讯 ↔ 1998
CEO_OF	ceo_of	CEO	马化腾 ↔ 腾讯
FOUNDER_OF	founder_of	创始人	马化腾 ↔ 腾讯
RELATED_TO	related_to	相关	AI ↔ 机器学习
PART_OF	part_of	属于	iPhone ↔ 苹果

属性说明

class Relation:
    id: str              # UUID
    source_entity_id: str    # 源实体ID
    target_entity_id: str   # 目标实体ID
    relation_type: str   # 关系类型
    properties: dict     # 自定义属性
    confidence: str      # 置信度 (high/medium/low)
    source_chunk_id: str # 来源Chunk ID

抽取流程

位置：backend/app/services/knowledge/entity_extractor.py

EntityExtractor

class EntityExtractor:
    ENTITY_TYPES = [
        "ORGANIZATION",
        "PRODUCT",
        "PERSON",
        "LOCATION",
        "TECHNOLOGY",
        "BRAND",
        "EVENT",
        "CONCEPT",
    ]

    RELATION_TYPES = [
        "COMPETES_WITH",
        "PARTNERS_WITH",
        "PRODUCES",
        "USES_TECHNOLOGY",
        "LOCATED_IN",
        "FOUNDED_IN",
        "CEO_OF",
        "FOUNDER_OF",
        "RELATED_TO",
        "PART_OF",
    ]

    async def extract(text: str, context: str) -> ExtractionResult:
        """
        从文本中抽取实体和关系
        1. 构建抽取Prompt
        2. 调用LLM
        3. 解析返回结果
        """

抽取Prompt示例

从以下文本中抽取知识图谱的实体和关系。

实体类型：
- ORGANIZATION (公司/组织)
- PRODUCT (产品)
- PERSON (人物)
...

关系类型：
- COMPETES_WITH (竞争对手)
- PARTNERS_WITH (合作伙伴)
...

文本内容：
{text}

请以JSON格式返回结果：
{
    "entities": [
        {"name": "实体名称", "entity_type": "类型", "confidence": "high/medium/low"}
    ],
    "relations": [
        {"source_entity": "源", "target_entity": "目标", "relation_type": "类型", "confidence": "high/medium/low"}
    ]
}

图谱构建

位置：backend/app/services/knowledge/graph_builder.py

GraphBuilder

class GraphBuilder:
    async def build_from_chunk(
        session: AsyncSession,
        chunk_id: str,
        context: str = None,
    ) -> dict:
        """
        从Chunk构建知识图谱
        1. 获取Chunk内容
        2. 调用EntityExtractor抽取
        3. 存储到图谱
        """

构建统计

返回统计信息：

{
    "entities_created": 5,      # 新建实体数
    "entities_existing": 2,      # 已存在实体数
    "relations_created": 3,     # 新建关系数
    "relations_existing": 1,    # 已存在关系数
}

图谱查询

实体查询

# 查询实体
GET /api/v1/knowledge-graph/entities?type=brand&limit=20

# 响应
{
    "entities": [
        {
            "id": "uuid",
            "name": "微信",
            "type": "brand",
            "description": "...",
            "properties": {...}
        }
    ]
}

关系查询

# 查询关系
GET /api/v1/knowledge-graph/relations?source_id=xxx&type=competes_with

# 响应
{
    "relations": [
        {
            "id": "uuid",
            "source_id": "xxx",
            "target_id": "yyy",
            "type": "competes_with",
            "properties": {...}
        }
    ]
}

语义搜索

# 语义搜索
GET /api/v1/knowledge-graph/search?query=微信的竞争对手

# 响应
{
    "results": [
        {"entity": {...}, "score": 0.95},
        {"entity": {...}, "score": 0.87}
    ]
}

置信度评估

级别	说明	使用场景
high	高置信度	直接使用
medium	中置信度	建议人工审核
low	低置信度	仅供参考

评估因素：

• 文本中提及的明确性
• 上下文的支持程度
• LLM模型的确定性