第八讲 · 知识存储与检索 | L.D.J 的私家工坊

对应 PPT：第8讲重点：RDF 图 vs 属性图、SPARQL vs Cypher、4 种基于关系型数据库的存储方案。

1. 概述

1.1 2 个核心问题

如何保存知识图谱？
如何查询 / 增加 / 修改 / 删除图谱中的知识？

1.2 存储载体

规模	存储方式	例子
小规模	文件	CSV、TXT
大规模	数据库	关系型数据库 / 图数据库

2. 两种知识图谱数据模型

2.1 图的数学定义

G = (V, E)

$V$ = 节点集合（Vertices）
$E$ = 边集合（Edges）

2.2 RDF 图（来自语义网）

RDF 图 = 三元组 $(S, P, O)$ 的有限集。

每个三元组 = 1 个陈述（Statement）
多个陈述 = 1 个描述（Description）
三元组含义：
- $S$ 与 $O$ 之间有 $P$ 关系
- 或 $S$ 具有 $P$ 属性，属性值为 $O$

关键：RDF 没有属性图那种直接挂在节点或边上的键值属性；补充信息仍通过三元组表达，描述某条陈述本身时还需要 RDF reification（具体化）等额外机制。

2.3 属性图（来自数据库）

节点性质（4 条）：

每个节点有唯一 id
每个节点有若干出边
每个节点有若干入边
每个节点有若干属性（键值对）

边性质（5 条）：

每条边有唯一 id
每条边有一个头节点
每条边有一个尾节点
每条边有标签（关系类型）
每条边有若干属性（键值对）

上面的定义可以按节点 4 条、边 5 条分别检查。

2.4 RDF 图 vs 属性图

维度	RDF 图	属性图
起源	语义网	数据库
属性表达	用额外三元组表达	节点、边原生携带键值属性
类型标注	类（Class）+ 属性（Property）	标签（Label）+ 键值对
查询语言	SPARQL（W3C 标准）	Cypher（Neo4j）

Neo4j 实际支持节点 Label，但它不是这页 PPT 所列的四条节点性质之一。

3. 知识图谱查询语言

3.1 SPARQL（RDF 标准查询）

SPARQL = SPARQL Protocol and RDF Query Language W3C 制定的 RDF 图数据标准查询语言；声明式查询语言。

返回形式：XML、JSON、CSV、TSV。

SPARQL 的 7 个核心语法元素

元素	作用	例子
URI	资源唯一标识	`<http://example.com/ontology#>`
PREFIX	定义前缀	`PREFIX abc: <http://...>`
变量	`?` 或 `$` 开头	`?capital`、`$country`
SELECT	指定返回变量	`SELECT ?capital ?country`
WHERE	指定查询条件（三元组模式）	`WHERE { ?x abc:cityname ?capital }`
FILTER	过滤条件	`FILTER (?year < 2000)`
OPTIONAL	可选匹配	`OPTIONAL { ?x abc:phone ?phone }`

常用前缀（W3C 定义）

前缀	命名空间	用途
`rdf:`	RDF 核心	type, Property, Statement
`rdfs:`	RDF Schema	Class, subClassOf, label
`owl:`	Web Ontology	Class, ObjectProperty
`xsd:`	XML Schema Datatype	string, int, date
`foaf:`	Friend of a Friend	name, knows
`skos:`	Simple Knowledge Organization	Concept, prefLabel

SPARQL 三元组模式（4 种用法）

主语	谓语	宾语	作用
`abc:city_cairo`	`abc:cityname`	`"Cairo"`	存储内容
`abc:city_cairo`	`abc:cityname`	`?name`	查城市名称
`?city`	`abc:cityname`	`"Cairo"`	按名字查城市
`?x`	`abc:cityname`	`?capital`	查所有城市及其名称

三元组模式中，哪个位置换成 ?x，就是在查询哪个位置的值。

SPARQL 例子：非洲国家的首都

PREFIX abc: <http://example.com/exampleOntology#>
SELECT ?capital ?country
WHERE {
  ?country abc:locatedIn "Africa" .
  ?country abc:hasCapital ?capital .
}

3.2 Cypher（Neo4j 属性图查询）

Cypher 最初由 Neo4j 实现，声明式属性图查询语言。实现系统：SAP HANA Graph、Redis Graph、AgensGraph、Memgraph。

Cypher 基本语法

节点：

(variable:Label {propertyKey: 'propertyValue'})
// ()
// :Label
// { propertykey: 'value' }

关系：

(node1:LabelA)-[rel1:RELATIONSHIP_TYPE]->(node2:LabelB)
// -[]-> 有向
// <-[]- 反向
// -[]- 无向

Cypher 常用查询模式

模式	例子
Match all nodes	`MATCH (n) RETURN n`
按 label 查	`MATCH (a:Person) RETURN a`
按 label + 属性查	`MATCH (a:Person {name: "Théo Gauchoux"}) RETURN a`
按关系查	`MATCH (a)-[:KNOWS]-(b) RETURN a, b`
带 WHERE	`MATCH (p:Person {name:"Alice"})-[s:LIVES_IN]->(city:City) WHERE s.since = 2015 RETURN p, city`

Cypher 经典例题

汤姆汉克斯 2000 年之前演过的电影

MATCH (actor:Person)-[:ACTED_IN]->(movie:Movie)
WHERE actor.name = "Tom Hanks" AND movie.released < 2000
RETURN movie, actor

这类查询通常按 MATCH、WHERE、RETURN 三部分来写。

4. 常见知识图谱存储方法（4 大类）

4.1 三元组表（最简单）

每条记录 = 1 个三元组 (Subject, Predicate, Object)
最简单、最直接
缺点：复杂查询需要大量自连接（self-join），性能低下

复杂度：

5 跳路径 → 5 个 JOIN
图模式匹配 → 指数级组合
一般： $O(N^k)$ （ $N$ = 表大小， $k$ = JOIN 次数）

例子：“找某人朋友所在公司的位置”

SELECT t3.o
FROM Triple t1
JOIN Triple t2 ON t1.o = t2.s
JOIN Triple t3 ON t2.o = t3.s
WHERE t1.s = 'A' AND t1.p = 'friendOf'
  AND t2.p = 'worksAt' AND t3.p = 'locatedIn';

4.2 水平表

每一行 = 1 个主语 + 全部谓语和宾语
缺点：不同主语谓语数量不同 → 列数 = 全部谓语数量总和 → 表结构改造成本高

4.3 属性表

水平表的细化：同类主语分到一张表
缺点：表类型过多性能低；不能彻底解决列数问题

4.4 垂直划分

以谓语为划分维度
为每种谓语建立 1 张表
缺点：表类型过多，复杂查询开销大

4.5 4 种方法对比

方法	优点	缺点	适用
三元组表	最简单、灵活	自连接性能差	小规模 / 简单查询
水平表	查询快	列数固定、改造难	谓语稳定的场景
属性表	比水平表更细	表多、复杂查询差	同类主语多
垂直划分	谓语查询快	复杂查询慢	简单分析场景

实际工业界更多用专门的 RDF 三元组库或图数据库（见下），而不是关系型数据库。

5. 面向 RDF 的三元组数据库

5.1 Eclipse RDF4J（开源标准）

开源 RDF 三元组数据库
支持 SPARQL 1.1
模块化设计，GraphDB 上层标准框架以 RDF4J 为标准

5.2 AllegroGraph（商业强大）

支持 SPARQL 1.1
推理机很全：
- RDFS++ 推理机
- OWL2 RL 推理机
- Prolog 规则推理系统
- 时空推理机制
- 社会网络分析库
- 可视化 RDF 图浏览器

6. 基于 Neo4j 的知识图谱存储与检索

6.1 Neo4j 概述

维度	内容
模型	属性图
社区版	单机（免费）
企业版	集群 / 高可用（付费）
查询语言	Cypher
安装	Java + Neo4j 安装包
在线	Neo4j Aura（云服务，免费版）

6.2 安装步骤

① 安装 Java 虚拟机
② 下载 Neo4j（https://neo4j.com/download/）
③ 设置环境变量：Path 加 Neo4j bin 路径
④ 管理员身份 CMD 运行：neo4j.bat console

7. 查询语义与 Neo4j 操作

7.1 同一个问题如何落到两种查询语言

SPARQL 用三元组模式查询 RDF 图

SPARQL 的查询条件本身仍是一张“带变量的 RDF 图”。例如查询北航隶属机构的名字，要让三个三元组模式通过变量相接：

SELECT ?name
WHERE {
  ?university <http://example.org/名称> "北航" .
  ?university <http://example.org/隶属于> ?organization .
  ?organization <http://example.org/名称> ?name .
}

Cypher 用节点和关系模式查询属性图

Cypher 则直接画出节点—关系模式，并从匹配到的节点读取属性：

MATCH (university:University {name: '北航'})-[:隶属于]->(organization:Organization)
RETURN organization.name

两者的思路相同：先描述要匹配的局部图，再指定返回值。区别是 RDF 把名称也表达成三元组，属性图则把 name 放在节点的键值属性里。

7.2 Neo4j 的增删改查

课件不仅讲查询，还列出了创建节点和关系、增改属性、删除属性、删除节点和关系等操作。可以用下面这一组最小命令串起来理解：

CREATE (university:University {name: '北航'})
RETURN university

MATCH (university:University {name: '北航'})
MERGE (city:City {name: '北京'})
MERGE (university)-[:位于]->(city)
SET university.FOUNDED_IN = 1952
RETURN university, city

MATCH (university:University {name: '北航'})
REMOVE university.FOUNDED_IN

MATCH (:University {name: '北航'})-[relation:位于]->(:City {name: '北京'})
DELETE relation

MATCH (node {name: '北航'})
DETACH DELETE node

DELETE node 只能删除没有关系的节点；DETACH DELETE node 会先删除相连关系。清空当前数据库可写成 MATCH (node) DETACH DELETE node，执行前必须确认数据范围。

批量导入时，把 UTF-8 CSV 放入 Neo4j 的 import 目录：

LOAD CSV WITH HEADERS FROM 'file:///example_node.csv' AS line
MERGE (:Node {id: line.id, name: line.name})

LOAD CSV WITH HEADERS FROM 'file:///example_relation.csv' AS line
MATCH (source:Node {id: line.START_ID}), (target:Node {id: line.END_ID})
MERGE (source)-[:REL {type: line.TYPE}]->(target)

Python 侧的 py2neo 相当于连接器；建立 Graph 后，可用 graph.run("MATCH ...") 发送 Cypher。查询语义仍由 Cypher 决定，py2neo 只负责连接、参数传递和结果封装。

7.3 北航小图谱：任一与同时

课件用“北航—人工智能学院—两门课程”演示了一个容易出错的查询。下面这条语句只要求课程名属于给定集合：

MATCH (department:Department)-[:开设]->(course:Course)
WHERE course.name IN ['人工智能导论', '知识图谱']
RETURN department.name

它的语义是“开设了任一门课程的二级单位”，每匹配一门课就产生一行，同一个单位还可能重复出现。即使加 DISTINCT，也只是去重，并不会把“任一”变成“同时”。

要表达“同时开设两门”，可以用两个图模式约束同一个 department：

MATCH (department:Department)-[:开设]->(:Course {name: '人工智能导论'})
MATCH (department)-[:开设]->(:Course {name: '知识图谱'})
RETURN department.name

也可以聚合后要求两个目标课程都出现：

MATCH (department:Department)-[:开设]->(course:Course)
WHERE course.name IN ['人工智能导论', '知识图谱']
WITH department, count(DISTINCT course.name) AS courseCount
WHERE courseCount = 2
RETURN department.name

同一语义在 RDF/SPARQL 中通过两个独立三元组模式表达：

SELECT ?name
WHERE {
  ?department <http://example.org/开设> ?knowledgeGraph .
  ?department <http://example.org/开设> ?introToAI .
  ?knowledgeGraph <http://example.org/名称> "知识图谱" .
  ?introToAI <http://example.org/名称> "人工智能导论" .
  ?department <http://example.org/名称> ?name .
}

这组对照的核心不是背语法，而是先判断自然语言中的量词：是“至少一项命中”，还是“每项约束都要成立”。

8. 本讲小结

知识存储与检索
├── 数据模型：RDF 图 / 属性图
├── 查询语言：SPARQL / Cypher
├── 关系数据库方案：三元组表 / 水平表 / 属性表 / 垂直划分
├── RDF 数据库：RDF4J / AllegroGraph
└── Neo4j：查询、增删改、CSV 导入与图模式量词

第八讲 · 知识存储与检索