知识图谱树
概述
知识图谱树是一种自上而下构建知识图谱的方法，通过还原数据原生的框架结构（如书籍目录、教学大纲）来搭建7-8层的完整知识图谱树。相比 GraphRAG 的自下而上方式，能完整保留知识原有的层级和逻辑关联，特别适合具有强框架性的数据场景。
关键内容
- 框架提取：用视觉模型定位目录，提取完整的目录树，匹配每章节对应的页码范围
- 知识单元拆解：针对最小颗粒度章节，拆分出独立知识单元节点，包含名称、描述、向量三个字段
- 图谱树合并：将原生目录树与知识单元树合并，形成7-8层完整知识图谱树
- 检索逻辑重构：节点存入 Neo4j，向量检索做全局匹配，复杂多跳问题通过节点父子关系拉取完整知识链路
- 效果：单点问题准确率提升近10个百分点，多跳复杂推理回复率和准确率达85%以上
来源
- raw/articles/essays/thinking-series/022-波克城市面试 — 全文
相关
- GraphRAG — compares_to
- 检索增强生成 — extends
- Neo4j — uses
- RAG项目90%从第一步就错了 — relates_to