知识图谱 on PlumePHP

RDF 三元组与 SPARQL 查询实战：从语义网到知识图谱互操作

Mon, 28 Sep 2026 10:00:00 +0800

引言

上一代图数据库技术栈中，与属性图（Labeled Property Graph）并列的另一条主线是 RDF（资源描述框架）——语义网的核心标准。RDF 把一切知识表达为「主语-谓语-宾语」三元组，配合 SPARQL 查询与 OWL 本体推理，成为开放数据、科研图谱、跨域知识互操作的事实标准（Wikidata、Schema.org、Linked Open Data 都在其上）。

GraphRAG：知识图谱 + 向量检索的检索增强生成实践

Sat, 26 Sep 2026 12:00:00 +0800

导语：RAG 的第三次进化

第一代 RAG 用向量相似度检索文本块，第二代加了重排（rerank）与混合检索，但都困在一个问题上：文本块之间没有关系，模型无法理解"谁和谁在什么时候有关联"。GraphRAG 把知识图谱引入 RAG——检索的不再是孤立的文本块，而是带关系的子图。这让多跳推理（multi-hop reasoning）、全局问题（global question）的回答质量显著提升。本专题的知识图谱构建与应用已介绍 KG 概念，本文聚焦 GraphRAG 的工程实现。

知识图谱构建实战：从文本到图谱的完整流水线

Sat, 26 Sep 2026 11:00:00 +0800

导语：知识图谱的 1% 是模型，99% 是工程

很多人以为构建知识图谱是"训练一个抽取模型"的事。真实项目中，实体识别与链接、本体设计、数据清洗、入库去重、增量更新的工程量远大于模型本身。本文承接知识图谱构建与应用的概念篇，聚焦可落地的工程实现——从一份原始文档到一张可查询的 Neo4j 图谱。

知识图谱构建与应用

Tue, 22 Sep 2026 11:00:00 +0800

导语：连接碎片知识为结构化智慧

当今互联网的信息汪洋中，最大的矛盾是：信息过量而知识稀缺。知识图谱（Knowledge Graph, KG）试图解决这个问题——它不是简单存储数据，而是将碎片化的信息连接为结构化的知识网络。

图数据库专题：从图论基础到知识图谱、图机器学习与生产调优

Thu, 10 Sep 2026 10:00:00 +0800

当数据的核心价值在于「关系」而非「记录」时，图数据库便成为最佳选择。从 Facebook 的社交图谱到 Amazon 的商品推荐，从金融反欺诈的风控图谱到 LLM 增强的实体关系检索，图数据库在关联分析场景中的性能优势可达关系型数据库的数十倍甚至百倍。本专题从图论基础出发，带你掌握这一核心数据技术。