8954fa3ad7
Native CLI i18n: The TrustGraph CLI has built-in translation support that dynamically loads language strings. You can test and use different languages by simply passing the --lang flag (e.g., --lang es for Spanish, --lang ru for Russian) or by configuring your environment's LANG variable. Automated Docs Translations: This PR introduces autonomously translated Markdown documentation into several target languages, including Spanish, Swahili, Portuguese, Turkish, Hindi, Hebrew, Arabic, Simplified Chinese, and Russian.
4.9 KiB
| layout | title | parent |
|---|---|---|
| default | 知识图谱架构基础 | Chinese (Beta) |
知识图谱架构基础
Beta Translation: This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.
基础 1：主谓宾 (SPO) 图模型
决策: 采用 SPO/RDF 作为核心知识表示模型
理由: 提供最大的灵活性和与现有图技术的互操作性 能够无缝转换为其他图查询语言 (例如，SPO → Cypher，反之则不行) 奠定基础，"解锁"许多下游功能 支持节点到节点的关系 (SPO) 和节点到字面值关系 (RDF)
实施:
核心数据结构: node → edge → {node | literal}
在支持扩展的 SPO 操作的同时，保持与 RDF 标准的兼容性
基础 2：原生于 LLM 的知识图谱集成
决策: 优化知识图谱结构和操作，以实现与 LLM 的交互
理由: 主要用例涉及 LLM 与知识图谱的交互 图技术选择必须优先考虑与 LLM 的兼容性，而不是其他考虑因素 能够实现利用结构化知识的自然语言处理工作流程
实施: 设计 LLM 可以有效推理的图模式 针对常见的 LLM 交互模式进行优化
基础 3：基于嵌入的图导航
决策: 通过嵌入将自然语言查询直接映射到图节点
理由: 实现从 NLP 查询到图导航的最简单路径 避免复杂的中间查询生成步骤 提供图结构内部高效的语义搜索功能
实施:
NLP Query → Graph Embeddings → Graph Nodes
维护所有图实体的嵌入表示
支持用于查询解析的直接语义相似性匹配
基础 4：分布式实体解析与确定性标识符
决策: 支持并行知识提取，并使用确定性实体标识 (80% 规则)
理由: 理想: 单进程提取，具有完整的状态可见性，可以实现完美的实体解析 <<<<<<< HEAD 现实: 可扩展性要求需要并行处理能力
现实: 扩展性要求需要并行处理能力
82edf2d (New md files from RunPod) 折衷: 设计用于在分布式进程中实现确定性实体标识
实施: 开发机制，以生成在不同知识提取器中保持一致且唯一的标识符 在不同的进程中提到的相同实体必须解析为相同的标识符 承认约 20% 的边缘情况可能需要替代处理模型 设计用于处理复杂实体解析场景的后备机制
基础 5：事件驱动架构与发布-订阅
<<<<<<< HEAD 决策: 实施 pub-sub 消息系统，用于系统协调
决策: 实现发布-订阅消息系统，用于系统协调
82edf2d (New md files from RunPod)
理由: 允许知识提取、存储和查询组件之间的松散耦合 支持实时更新和跨系统的通知 促进可扩展的分布式处理工作流程
实施: 使用消息驱动的系统组件协调 用于知识更新、提取完成和查询结果的事件流
基础 6：可重入代理通信
决策: 支持用于基于代理的处理的可重入发布-订阅操作
理由: 允许代理触发和响应彼此，从而实现复杂的代理工作流程 支持复杂的多步骤知识处理管道 允许递归和迭代处理模式
<<<<<<< HEAD 实施: pub-sub 系统必须安全地处理可重入调用
实现: 发布-订阅系统必须安全地处理可重入调用
82edf2d (New md files from RunPod) 防止无限循环的代理协调机制 支持代理工作流程编排
基础 7：列式数据存储集成
决策: 确保查询与列式存储系统兼容
理由: 能够对大型知识数据集执行高效的分析查询 支持商业智能和报告用例 桥接基于图的知识表示与传统的分析工作流程
实施: 查询转换层：图查询 → 列式查询 <<<<<<< HEAD 支持图操作和分析工作负载的混合存储策略
混合存储策略，支持图操作和分析工作负载
82edf2d (New md files from RunPod) 在这两种范例中保持查询性能
--
架构原则摘要
- 灵活性至上: SPO/RDF 模型提供最大的适应性
- LLM 优化: 所有设计决策都考虑 LLM 交互要求
- 语义效率: 直接的嵌入到节点映射，以实现最佳的查询性能 <<<<<<< HEAD
- 务实的扩展性: 在完美准确性和实际的分布式处理之间取得平衡
- 事件驱动协调: pub-sub 实现松散耦合和可扩展性 =======
- 务实的扩展性: 在完美的准确性与实际的分布式处理之间取得平衡
- 事件驱动协调: 发布-订阅实现松散耦合和可扩展性
82edf2d (New md files from RunPod)
- 代理友好: 支持复杂的多代理处理工作流程
- 分析兼容性: 桥接图和列式范例，以实现全面的查询
这些基础构建了一个知识图谱架构，该架构在理论严谨性和实际可扩展性之间取得了平衡，并针对 LLM 集成和分布式处理进行了优化。