《大规模分布式计算深入解析》14.2 图与向量混合检索:GNN 与 RAG 的结合

图嵌入把结构变成向量,接住卷十 HNSW 后形成 GraphRAG 的混合检索路径。

图与向量混合检索:GNN 与 RAG 的结合

图检索以顶点与边表达关系,向量检索以稠密坐标表达语义。混合检索把两者接成一条路径:向量负责粗召回,图负责精排与上下文补全。

从结构到向量:图嵌入与 GNN

图嵌入把顶点、边或整图映射到低维向量,保留邻接与共现结构;GraphSAGE 类方法采样邻居并聚合特征。PageRank 一类的迭代打分可作结构先验叠加进嵌入。

lab 里三角形图 PageRank 20 轮后 rank 均匀 1/3,对称结构给出均匀向量基;链式图 rank 沿传递方向递增,说明「被指向」的中心度被编码进排序。

flowchart TD
    N0["属性图:顶点与边"]
    N1["GNN 采样聚合 + PageRank 结构先验"]
    N0 --> N1
    N2["顶点嵌入向量库"]
    N1 --> N2
    N3["HNSW 近似最近邻粗召回"]
    N2 --> N3
    N4["图遍历精排与上下文补全"]
    N3 --> N4
    N5["GraphRAG 回答"]
    N4 --> N5

混合检索路径:向量召回 + 图校验

GraphRAG 先用向量索引做粗召回,再用图遍历补证据:一跳、两跳邻接给出可追溯上下文,向量给出全局语义相似。查询合同变成「结构条件 + 向量相似」双路合并,两侧的截断与打分都要固定口径。

向量索引在图库的落地

Neo4j 5.x 把向量索引并入查询计划,本卷探针的 NodeIndexSeek 与 RANGE INDEX 说明图库已把属性索引与向量索引放进同一执行器。HNSW 的导航小世界本身就是一张近邻图,与图引擎的邻接表同构——向量索引的构建与检索可复用本卷的遍历与页缓存机制。

验证

从卷十一实验包 解包,运行 lab.RunAll:用例 45 验证三角形图 PageRank rank 均匀 1/3,用例 56 验证 20 轮与 100 轮差小于 1e-9(迭代已收敛),用例 54-55 验证三角计数——结构特征可作嵌入监督信号。原生探针 neo4j-probe.sh 手写 Cypher PageRank 一轮得 rank 0.3333,与用例 45-46 公式一致。

卷十一目录 · 系列导读与实验

一手资料

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图