---

本文转载自：lucas大叔 : 利用知识图谱提升RAG应用的准确性
https://zhuanlan.zhihu.com/p/692595027
英文原文：Enhancing the Accuracy of RAG Applications With Knowledge Graphs
https://neo4j.com/developer-blog/enhance-rag-knowledge-graph/

---

一、关于 GraphRAG

图检索增强生成（GraphRAG）利用图数据库的结构化特性，以节点和关系的方式进行组织数据，增加了检索到信息的深度和关联上下文，是传统向量检索方法的有效补充。

图擅长以结构化的方式表示和存储异构和互连的信息，可以轻松地捕捉不同数据类型之间的复杂关系和属性。
相比之下，向量数据库往往难以处理此类结构化信息，因为它们的优势在于通过高维向量处理非结构化数据。
在RAG应用中，可以将结构化图数据与非结构化文本的向量搜索相结合，以实现优势互补。

---

虽然知识图谱的概念已经比较普及，但构建知识图还是一项有挑战性的工作。
它涉及到数据的收集和结构化，需要对领域和图建模有深入的了解。
为了简化图谱构建过程，我们尝试利用LLM来构建。

LLM对语言和上下文有着深刻的理解，可以实现知识图创建过程重要部分的自动化。
通过分析文本数据，LLM可以识别实体，理解实体之间的关系，并建议如何在图结构中最好地表示它们。
作为实验的结果，我们在LangChain中添加了图构建模块的第一个版本，并将在这篇博客中进行演示。

相关代码：https://github.com/tomasonjo/blogs/blob/master/llm/enhancing_rag_with_graph.ipynb

---

二、Neo4j环境配置

首先创建一个Neo4j实例。
最简单的方法是在Neo4j Aura上启动一个免费实例，该实例提供Neo4j数据库的云实例。
或者，你也可以下载 Neo4j Desktop 应用并创建Neo4j数据库的本地实例。

os.environ["OPENAI_API_KEY"] = "sk-"
os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "password"graph = Neo4jGraph()

---

三、数据提取

本演示使用 Elizabeth I 的维基百科页面，我们用LangChain loader无缝地从维基百科抓取和分割文档。

# Read the wikipedia article
raw_documents = WikipediaLoader(query="Elizabeth I").load()# Define chunking strategy
text_splitter = TokenTextSplitter(chunk_size=512, chunk_overlap=24)
documents = text_splitter.split_documents(raw_documents[:3])

---

现在用分割后的文档构建图谱。
为此，我们实现了LLMGraphTransformer模块，它大大简化了在图数据库中构建和存储知识图谱。

LLMGraphTransformer类利用LLM将文档转化为图谱文档，允许指定输出图谱中节点和关系类型的约束，不支持抽取节点或者关系的属性。
它的参数如下：

• llm (BaseLanguageModel):支持结构化输出的语言模型实例
• allowed_nodes (List[str], optional): 指定图谱中包含哪些节点类型，默认是空list，允许所有节点类型
• allowed_relationships (List[str], optional): 指定图谱中包含哪些关系类型，默认是空list，允许所有关系类型
• prompt (Optional[ChatPromptTemplate], optional): 传给LLM的带有其他指令的prompt
• strict_mode (bool, optional): 确定转化是否应该使用筛选以严格遵守allowed_nodes 和 allowed_relationships，默认为True

---

本例allowed_nodes和allowed_relationships都采取默认设置，即图谱中允许所有的节点和关系类型。

llm=ChatOpenAI(temperature=0, model_name="gpt-4-0125-preview")
llm_transformer = LLMGraphTransformer(llm=llm)# Extract graph data
graph_documents = llm_transformer.convert_to_graph_documents(documents)
# Store to neo4j
graph.add_graph_documents(graph_documents, baseEntityLabel=True, include_source=True
)

---

你可以定义知识图谱生成链要使用的LLM。目前，只支持OpenAI和Mistral的function-calling模型。在本例中，我们使用最新的GPT-4。
值得注意的是，生成图谱的质量在很大程度上取决于所使用的模型。
LLM graph transformer 返回图谱文档，通过add_graph_documents方法导入到Neo4j。
baseEntityLabel参数为每个节点分配一个额外的__Entity__标签，从而提高索引和查询性能。
include_source参数将节点链接到其原始文档，便于数据跟踪和上下文理解。

在Neo4j浏览器中可以检查生成的图谱。

可以看到，每种类型的节点除了自身的节点类型之外，多了一个__Entity__ 标签。

---

同时，节点通过MENTIONS关系与源文档连接。

---

四、RAG混合检索

在生成图谱之后，我们将向量索引和关键字索引的混合检索与图谱检索结合起来用于RAG。

上图展示了从用户提出问题开始的检索过程，问题首先输入到RAG检索器，该检索器采用关键词和向量搜索非结构化文本数据，并与从知识图谱中收集的信息结合。
由于neo4j同时具有关键词和向量索引，因此可以使用单个数据库实现全部三种检索方式。
从这些数据源收集的数据输入给LLM生成最终答案。

---

1、非结构化数据检索器

可以用 Neo4jVector.from_existing_graph 方法为文档添加关键字和向量检索。
此方法为混合搜索方法配置关键字和向量搜索索引，目标节点类型为Document。
另外，如果文本embedding值缺失，它还会计算创建向量索引。

vector_index = Neo4jVector.from_existing_graph(OpenAIEmbeddings(),search_type="hybrid",node_label="Document",text_node_properties=["text"],embedding_node_property="embedding"
)

---

可以看到，Document节点原来没有embedding属性，创建非结构化数据检索器后，基于Document节点的text属性新创建了embedding。

---

然后使用similarity_search方法就可以调用向量索引。

---

2、图谱检索器

另一方面，配置图谱检索更为复杂，但提供了更多的自由度。
本示例将使用全文索引 识别相关节点并返回其一阶邻居。

---

图谱检索器首先识别输入中的相关实体。
为简单起见，我们让LLM识别人、组织和地点等通用实体，用LCEL和新添加的with_structured_output 方法来提取。

# Extract entities from text
class Entities(BaseModel):"""Identifying information about entities."""names: List[str] = Field(...,description="All the person, organization, or business entities that ""appear in the text",)prompt = ChatPromptTemplate.from_messages([("system","You are extracting organization and person entities from the text.",),("human","Use the given format to extract information from the following ""input: {question}",),]
)entity_chain = prompt | llm.with_structured_output(Entities)

---

让我们测试一下：

entity_chain.invoke({"question": "Where was Amelia Earhart born?"}).names
# ['Amelia Earhart']

---

现在实现了从问题中检测出实体，接下来用全文索引将它们映射到知识图谱。
首先，我们需要定义全文索引和一个函数，该函数将生成允许有些拼写错误的全文查询。

graph.query("CREATE FULLTEXT INDEX entity IF NOT EXISTS FOR (e:__Entity__) ON EACH [e.id]")def generate_full_text_query(input: str) -> str:"""Generate a full-text search query for a given input string.This function constructs a query string suitable for a full-text search.It processes the input string by splitting it into words and appending asimilarity threshold (~2 changed characters) to each word, then combines them using the AND operator. Useful for mapping entities from user questionsto database values, and allows for some misspelings."""full_text_query = ""words = [el for el in remove_lucene_chars(input).split() if el]for word in words[:-1]:full_text_query += f" {word}~2 AND"full_text_query += f" {words[-1]}~2"return full_text_query.strip()

---

把上面的功能组装在一起实现图谱检索的结构化检索器。

# Fulltext index query
def structured_retriever(question: str) -> str:"""Collects the neighborhood of entities mentionedin the question"""result = ""entities = entity_chain.invoke({"question": question})for entity in entities.names:response = graph.query("""CALL db.index.fulltext.queryNodes('entity', $query, {limit:2})YIELD node,scoreCALL {MATCH (node)-[r:!MENTIONS]->(neighbor)RETURN node.id + ' - ' + type(r) + ' -> ' + neighbor.id AS outputUNIONMATCH (node)<-[r:!MENTIONS]-(neighbor)RETURN neighbor.id + ' - ' + type(r) + ' -> ' +  node.id AS output}RETURN output LIMIT 50""",{"query": generate_full_text_query(entity)},)result += "\n".join([el['output'] for el in response])return result

---

structured_retriever 函数从检测用户问题中的实体开始，迭代检测到的实体，使用Cypher模板来检索相关节点的一阶邻居。

print(structured_retriever("Who is Elizabeth I?"))
# Elizabeth I - BORN_ON -> 7 September 1533
# Elizabeth I - DIED_ON -> 24 March 1603
# Elizabeth I - TITLE_HELD_FROM -> Queen Of England And Ireland
# Elizabeth I - TITLE_HELD_UNTIL -> 17 November 1558
# Elizabeth I - MEMBER_OF -> House Of Tudor
# Elizabeth I - CHILD_OF -> Henry Viii
# and more...

---

3、最终的检索器

如开头所述，我们将结合非结构化和图谱检索器来创建传递给LLM的最终上下文。

def retriever(question: str):print(f"Search query: {question}")structured_data = structured_retriever(question)unstructured_data = [el.page_content for el in vector_index.similarity_search(question)]final_data = f"""Structured data:
{structured_data}
Unstructured data:
{"#Document ". join(unstructured_data)}"""return final_data

---

正如处理Python一样，可以简单地使用f-string拼接输出。

---

五、定义RAG Chain

我们已经成功地实现了RAG的检索组件。
首先引入查询重写功能，允许根据对话历史对当前问题进行改写。

# Condense a chat history and follow-up question into a standalone question
_template = """Given the following conversation and a follow up question, rephrase the follow up question to be a standalone question,
in its original language.
Chat History:
{chat_history}
Follow Up Input: {question}
Standalone question:"""  # noqa: E501
CONDENSE_QUESTION_PROMPT = PromptTemplate.from_template(_template)def _format_chat_history(chat_history: List[Tuple[str, str]]) -> List:buffer = []for human, ai in chat_history:buffer.append(HumanMessage(content=human))buffer.append(AIMessage(content=ai))return buffer_search_query = RunnableBranch(# If input includes chat_history, we condense it with the follow-up question(RunnableLambda(lambda x: bool(x.get("chat_history"))).with_config(run_name="HasChatHistoryCheck"),  # Condense follow-up question and chat into a standalone_questionRunnablePassthrough.assign(chat_history=lambda x: _format_chat_history(x["chat_history"]))| CONDENSE_QUESTION_PROMPT| ChatOpenAI(temperature=0)| StrOutputParser(),),# Else, we have no chat history, so just pass through the questionRunnableLambda(lambda x : x["question"]),
)

---

接下来，引入prompt利用集成混合检索器提供的上下文生成响应，完成RAG链的实现。

template = """Answer the question based only on the following context:
{context}Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)chain = (RunnableParallel({"context": _search_query | retriever,"question": RunnablePassthrough(),})| prompt| llm| StrOutputParser()
)

---

最后，继续测试混合RAG实现。

chain.invoke({"question": "Which house did Elizabeth I belong to?"})
# Search query: Which house did Elizabeth I belong to?
# 'Elizabeth I belonged to the House of Tudor.'

---

前面实现了查询重写功能，使RAG链能够适配允许后续问题的对话设置。
考虑到我们使用向量和关键字搜索，必须重写后续问题以优化搜索过程。

chain.invoke({"question": "When was she born?","chat_history": [("Which house did Elizabeth I belong to?", "House Of Tudor")],}
)
# Search query: When was Elizabeth I born?
# 'Elizabeth I was born on 7 September 1533.'

---

可以看到 When was she born? 首先被改写为“When was Elizabeth I born?”，然后使用重写后的查询来检索相关上下文并回答问题。

---

2024-05-12（日）