声明式 schema

20250326

最近在解决RAG的系列问题，考虑了基于图的检索，以下是目前的思路总结：

KAG对每个知识图谱节点都做了向量化，这样的话，就可以根据embedding的方式去匹配相关的向量了。

原来dbgpt是通过keywords方式（这种方式太呆了）。

向量化解决了语义相似度匹配。

图谱化解决了知识结构规范化。

问题还存留在如何高效的构建知识图谱，原则上可以用llm批量自动抽取，然后人工精调。

还可以llm在抽取的时候加入一些schema的先验条件，这样的话抽取的时候就可以限定，提升准确率。

schema构建解决了知识图谱的质量和广度。

更多细节待后面编辑分享

关键字

namespace

EntityType, ConceptType, EventType, ->, STD.*, Text, Float, Integer

desc, constraint, value, properties, relations, rule, hypernymPredicatem, autoRelate, spreadable, regular

NotNull, MultiValue, Enum, Regular

-> 用于表达类型的继承关系，A -> B

STD.*表示以STD.开头的都是预留关键字，作标准类型名称

基础句法

类似YAML，以缩进作为作用域的表示。缩进建议使用4个空格（Tab符会被当做两个空格）

A(B): C
A为类型/属性的英文名
B为类型/属性的中文名称
C为取值
A(B)->P
A为类型的英文名
B为类型的中文名称
P为要继承自的父类型
namespace A
A表示项目前缀，在Schema文件的第一行必须出现。项目前缀会在Schema提交的时候自动拼接到实体类型名称的前面
[[...]]
规则脚本的定界符，仅用于rule的定义，类似于Python的"""用法

约束

声明式Schema脚本采用逐行解析的方式，定义上要遵循顺序原则，即父类型要在子类型之前定义、属性上使用的类型也需要在其所属类型定义之前先定义好
属性id、name、description为内置属性，不需要再声明
属性类型只支持以下几种

1
2

1、基本类型：Text(文本)、Integer(整型)、Float(浮点数)
2、标准类型：STD.ChinaMobile(国内手机号)、STD.Email(电子邮箱)、STD.IdCardNo(身份证)、STD.MacAddress(MAC地址)、STD.Date(日期)、STD.ChinaTelCode(国内通讯号)、STD.Timestamp(时间戳)

属性英文名称首字母必须为小写字母，且只支持英文字母和数字
关系属性类型只支持基本类型

语法结构

总共分类6层缩进，按缩进的多少依次为：

第一层（无缩进）：定义类型、命名空间
第二层：定义类型的元信息，比如描述、属性、关系等
第三层：定义属性/关系的名称和类型
第四层：定义属性/关系的元信息，比如约束、子属性、逻辑规则等
第五层：定义子属性的名称和类型
第六层：定义子属性的元信息，比如描述、约束

namespace DEFAULT

TypeA(实体类型A): EntityType
    desc: 实体类型描述
    properties:
        property1(属性1): STD.ChinaMobile
            desc: 属性1的描述
                constraint: NotNull, MultiValue
            properties:
                 property2(属性1的子属性): Text
                     desc: 属性1的子属性，枚举约束
                     constraint: NotNull, Enum="A,B,C"
                 property3(属性1的子属性): Text
                     desc: 属性1的子属性，正则约束
                     constraint: Regular="^abc[0-9]+$"
                 property4(属性4): Text
                      rule: [[
                        Define property4...
                       ]]
    relations:
        relation1(关系1): TypeA
            desc: 关系1的描述
            properties:
                 confidence(置信度): Float
            rule: [[
               Define relation1...
            ]]

TypeB(实体类型B) -> TypeA:
    desc: 这是实体类型A的子类型

定义实体类型

# 以下定义一个公司的实体类型
Company(公司): EntityType

# 以下是定义一个继承自公司的实体类型
ListedCompany(上市公司) -> Company:

定义属性和关系

Company(公司): EntityType
    # 这里是公司的描述
    desc: 公司的描述
    properties:
        # 这里定义属性
        address(地址): Text
            # 这里定义地址属性为非空约束，除此还可以定义MultiValue(多值，英文逗号分割)、Enum(枚举)和Regular(正则)
            constraint: NotNull
        industry(行业): Industry
        # 每个类型会默认创建id、name和description属性，都是Text类型
        # id(主键): Text
        # name(名称): Text
        # description(描述): Text
    relations:
        # 这里定义关系
        subCompany(子公司): Company

定义子属性

Company(公司): EntityType
    desc: 公司的描述
    properties:
        address(地址): Text
          # 这里定义地址的子属性置信度
          confidence(置信度): Float
        industry(行业): Industry

定义谓词逻辑

Company(公司): EntityType
    desc: 公司的描述
    relations:
        risk(风险关联): Company
            # 这里定义关系的谓词逻辑，使用 [[ 和 ]] 作为逻辑规则的定界符
            rule: [[
               Define (s:Comapny)-[p:risk]->(o:Company) {
                    ... ...
               }
            ]]

如果是定义从实体类型到同个概念类型下的不同概念实例的逻辑，请在同个rule关键字里写多段Define的脚本。

定义概念类型

Industry(公司行业分类): ConceptType
    # 这里定义概念的上下位关系谓词，默认为isA，可以指定isA和locateAt
    hypernymPredicate: isA

概念类型的关系只允许创建在7大类里定义的谓词，这里可以通过autoRelate一键创建7大类的所有关系：

Industry(公司行业分类): ConceptType
    autoRelate: Industry

定义事件类型

CompanyRiskEvent(公司风险事件): EventType
    properties:
        # 这里定义事件类型的主体为公司，事件类型必须定义主体subject
        subject: Company

建模示例

namespace Medical

Symptom(症状): EntityType

Drug(药品): EntityType

Indicator(医学指征): EntityType

BodyPart(人体部位): ConceptType
    hypernymPredicate: isA

HospitalDepartment(医院科室): ConceptType
    hypernymPredicate: isA

Disease(疾病): EntityType
    properties:
        complication(并发症): Disease
            constraint: MultiValue

        commonSymptom(常见症状): Symptom
            constraint: MultiValue

        applicableDrug(适用药品): Drug
            constraint: MultiValue

        department(就诊科室): HospitalDepartment
            constraint: MultiValue

        diseaseSite(发病部位): BodyPart
            constraint: MultiValue

    relations:
        abnormal(异常指征): Indicator
            properties:
                range(指标范围): Text
                color(颜色): Text
                shape(性状): Text