mirror of
https://github.com/trustgraph-ai/trustgraph.git
synced 2026-04-26 00:46:22 +02:00
147 lines
8.5 KiB
Markdown
147 lines
8.5 KiB
Markdown
---
|
|
layout: default
|
|
title: "संरचित डेटा पल्सर स्कीमा परिवर्तन"
|
|
parent: "Hindi (Beta)"
|
|
---
|
|
|
|
# संरचित डेटा पल्सर स्कीमा परिवर्तन
|
|
|
|
> **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.
|
|
|
|
## अवलोकन
|
|
|
|
`STRUCTURED_DATA.md` विनिर्देश के आधार पर, यह दस्तावेज़ आवश्यक पल्सर स्कीमा परिवर्धन और संशोधन प्रस्तावित करता है ताकि ट्रस्टग्राफ में संरचित डेटा क्षमताओं का समर्थन किया जा सके।
|
|
|
|
## आवश्यक स्कीमा परिवर्तन
|
|
|
|
### 1. कोर स्कीमा संवर्द्धन
|
|
|
|
#### उन्नत फ़ील्ड परिभाषा
|
|
`core/primitives.py` में मौजूदा `Field` वर्ग में अतिरिक्त गुण होने चाहिए:
|
|
|
|
```python
|
|
class Field(Record):
|
|
name = String()
|
|
type = String() # int, string, long, bool, float, double, timestamp
|
|
size = Integer()
|
|
primary = Boolean()
|
|
description = String()
|
|
# नए फ़ील्ड:
|
|
required = Boolean() # क्या फ़ील्ड अनिवार्य है
|
|
enum_values = Array(String()) # एनम प्रकार के फ़ील्ड के लिए
|
|
indexed = Boolean() # क्या फ़ील्ड को अनुक्रमित किया जाना चाहिए
|
|
```
|
|
|
|
### 2. नई ज्ञान स्कीमा
|
|
|
|
#### 2.1 संरचित डेटा सबमिशन
|
|
नई फ़ाइल: `knowledge/structured.py`
|
|
|
|
```python
|
|
from pulsar.schema import Record, String, Bytes, Map
|
|
from ..core.metadata import Metadata
|
|
|
|
class StructuredDataSubmission(Record):
|
|
metadata = Metadata()
|
|
format = String() # "json", "csv", "xml"
|
|
schema_name = String() # कॉन्फ़िगरेशन में स्कीमा का संदर्भ
|
|
data = Bytes() # संसाधित करने के लिए कच्चा डेटा
|
|
options = Map(String()) # प्रारूप-विशिष्ट विकल्प
|
|
```
|
|
|
|
### 3. नई सेवा स्कीमा
|
|
|
|
#### 3.1 एनएलपी से संरचित क्वेरी सेवा
|
|
नई फ़ाइल: `services/nlp_query.py`
|
|
|
|
```python
|
|
from pulsar.schema import Record, String, Array, Map, Integer, Double
|
|
from ..core.primitives import Error
|
|
|
|
class NLPToStructuredQueryRequest(Record):
|
|
natural_language_query = String()
|
|
max_results = Integer()
|
|
context_hints = Map(String()) # क्वेरी पीढ़ी के लिए वैकल्पिक संदर्भ
|
|
|
|
class NLPToStructuredQueryResponse(Record):
|
|
error = Error()
|
|
graphql_query = String() # उत्पन्न ग्राफ़क्यूएल क्वेरी
|
|
variables = Map(String()) # यदि कोई हो तो ग्राफ़क्यूएल चर
|
|
detected_schemas = Array(String()) # कौन सी स्कीमा क्वेरी को लक्षित करती हैं
|
|
confidence = Double()
|
|
```
|
|
|
|
#### 3.2 संरचित क्वेरी सेवा
|
|
नई फ़ाइल: `services/structured_query.py`
|
|
|
|
```python
|
|
from pulsar.schema import Record, String, Map, Array
|
|
from ..core.primitives import Error
|
|
|
|
class StructuredQueryRequest(Record):
|
|
query = String() # ग्राफ़क्यूएल क्वेरी
|
|
variables = Map(String()) # ग्राफ़क्यूएल चर
|
|
operation_name = String() # मल्टी-ऑपरेशन दस्तावेजों के लिए वैकल्पिक ऑपरेशन नाम
|
|
|
|
class StructuredQueryResponse(Record):
|
|
error = Error()
|
|
data = String() # JSON-एन्कोडेड ग्राफ़क्यूएल प्रतिक्रिया डेटा
|
|
errors = Array(String()) # यदि कोई हो तो ग्राफ़क्यूएल त्रुटियां
|
|
```
|
|
|
|
#### 2.2 ऑब्जेक्ट निष्कर्षण आउटपुट
|
|
नई फ़ाइल: `knowledge/object.py`
|
|
|
|
```python
|
|
from pulsar.schema import Record, String, Map, Double
|
|
from ..core.metadata import Metadata
|
|
|
|
class ExtractedObject(Record):
|
|
metadata = Metadata()
|
|
schema_name = String() # यह ऑब्जेक्ट किस स्कीमा से संबंधित है
|
|
values = Map(String()) # फ़ील्ड नाम -> मान
|
|
confidence = Double()
|
|
source_span = String() # पाठ का वह भाग जहां ऑब्जेक्ट पाया गया था
|
|
```
|
|
|
|
### 4. उन्नत ज्ञान स्कीमा
|
|
|
|
#### 4.1 ऑब्जेक्ट एम्बेडिंग संवर्द्धन
|
|
संरचित ऑब्जेक्ट एम्बेडिंग को बेहतर ढंग से समर्थन करने के लिए `knowledge/embeddings.py` को अपडेट करें:
|
|
|
|
```python
|
|
class StructuredObjectEmbedding(Record):
|
|
metadata = Metadata()
|
|
vectors = Array(Array(Double()))
|
|
schema_name = String()
|
|
object_id = String() # प्राथमिक कुंजी मान
|
|
field_embeddings = Map(Array(Double())) # प्रति-फ़ील्ड एम्बेडिंग
|
|
```
|
|
|
|
## एकीकरण बिंदु
|
|
|
|
### फ्लो एकीकरण
|
|
|
|
इन स्कीमा का उपयोग नए फ्लो मॉड्यूल द्वारा किया जाएगा:
|
|
- `trustgraph-flow/trustgraph/decoding/structured` - `StructuredDataSubmission` का उपयोग करता है
|
|
- `trustgraph-flow/trustgraph/query/nlp_query/cassandra` - एनएलपी क्वेरी स्कीमा का उपयोग करता है
|
|
- `trustgraph-flow/trustgraph/query/objects/cassandra` - संरचित क्वेरी स्कीमा का उपयोग करता है
|
|
- `trustgraph-flow/trustgraph/extract/object/row/` - `Chunk` का उपभोग करता है, `ExtractedObject` उत्पन्न करता है
|
|
- `trustgraph-flow/trustgraph/storage/objects/cassandra` - `Rows` स्कीमा का उपयोग करता है
|
|
- `trustgraph-flow/trustgraph/embeddings/object_embeddings/qdrant` - ऑब्जेक्ट एम्बेडिंग स्कीमा का उपयोग करता है
|
|
|
|
## कार्यान्वयन नोट्स
|
|
|
|
1. **स्कीमा संस्करण:** भविष्य के माइग्रेशन समर्थन के लिए `RowSchema` में एक `version` फ़ील्ड जोड़ने पर विचार करें।
|
|
2. **प्रकार प्रणाली:** `Field.type` को सभी कैसेंड्रा मूल प्रकारों का समर्थन करना चाहिए।
|
|
3. **बैच ऑपरेशन:** अधिकांश सेवाओं को एकल और बैच दोनों ऑपरेशन का समर्थन करना चाहिए।
|
|
4. **त्रुटि प्रबंधन:** सभी नई सेवाओं में सुसंगत त्रुटि रिपोर्टिंग।
|
|
5. **पिछड़ा संगतता:** मौजूदा स्कीमा अपरिवर्तित रहते हैं, केवल छोटे फ़ील्ड संवर्द्धन को छोड़कर।
|
|
|
|
## अगले कदम
|
|
|
|
1. नई संरचना में स्कीमा फ़ाइलें लागू करें।
|
|
2. मौजूदा सेवाओं को नए स्कीमा प्रकारों को पहचानने के लिए अपडेट करें।
|
|
3. इन स्कीमा का उपयोग करने वाले फ्लो मॉड्यूल लागू करें।
|
|
4. नई सेवाओं के लिए गेटवे/रिवर्स-गेटवे एंडपॉइंट बनाएं।
|
|
5. स्कीमा सत्यापन के लिए यूनिट परीक्षण बनाएं।
|