第 3 课

知识图谱与 RAG 结合实战

Advanced RAG — 构建与评估高级 RAG 应用

财务文档知识图谱构建与图增强检索的完整实战。

知识图谱与 RAG 结合实战

课程简介

财务文档知识图谱构建与图增强检索的完整实战。

🎬 本课程视频：Advanced RAG — 构建与评估高级 RAG 应用

知识图谱与 RAG 结合实战：金融文档案例

一、为什么选择金融文档？

金融文档是知识图谱与 RAG 结合的理想应用场景，原因有三：

信息结构化程度高：财报、公告、研报中涉及大量结构化信息——公司名称、财务数据、时间、人物关系等，这些天然适合用知识图谱来建模
精准性要求极高：金融领域的问答对准确性要求极高，0.1% 的误差可能导致重大决策失误。知识图谱的确定性推理能力在这里尤为重要
多跳推理需求频繁：金融分析经常涉及多跳推理，如「A 公司供应链上游企业中有哪些上市公司受到了 B 政策的影响」

二、项目架构概览

整个系统分为四个核心模块：

非结构化文档（财报、公告、研报）
    ↓
模块 1：本体设计 → 定义实体类型、关系类型、属性
    ↓
模块 2：LLM 实体关系抽取 → 从文档中自动抽取知识
    ↓
模块 3：图增强检索 → 向量检索 + 图查询并行执行
    ↓
模块 4：融合生成 → 结合检索结果生成最终回答

三、第一步：本体设计

3.1 实体类型定义

// 金融领域知识图谱的实体类型
(:Company)         // 公司：上市公司、子公司、关联公司
  - name: string
  - ticker: string   // 股票代码
  - industry: string // 行业分类
  - market_cap: float // 市值

(:Person)          // 人物：高管、大股东、分析师
  - name: string
  - title: string     // 职位
  - join_date: date

(:Product)         // 产品：主要产品线
  - name: string
  - category: string  // 产品品类
  - launch_date: date

(:FinancialMetric) // 财务指标
  - name: string      // 如「营收」「净利润」「毛利率」
  - value: float
  - period: string    // 如「2024Q1」「FY2024」
  - unit: string      // 单位

(:Event)           // 重大事件
  - type: string      // 如「收购」「上市」「人事变动」
  - date: date
  - description: string

3.2 关系类型定义

// 公司间关系
(:Company)-[:SUBSIDIARY_OF {ownership_pct: float}]->(:Company)
(:Company)-[:COMPETES_WITH]->(:Company)
(:Company)-[:SUPPLIER_OF]->(:Company)
(:Company)-[:CUSTOMER_OF]->(:Company)

// 公司-产品关系
(:Company)-[:PRODUCES {since: date}]->(:Product)
(:Company)-[:MARKET_SHARE {value: float, period: string}]->(:Product)

// 公司-指标关系
(:Company)-[:HAS_METRIC]->(:FinancialMetric)

// 人物关系
(:Person)-[:CEO_OF {since: date}]->(:Company)
(:Person)-[:BOARD_MEMBER_OF]->(:Company)
(:Person)-[:SHAREHOLDER_OF {ownership_pct: float}]->(:Company)

// 事件关系
(:Company)-[:INVOLVED_IN]->(:Event)
(:Event)-[:AFFECTS {impact: string}]->(:Company)

四、第二步：LLM 驱动的实体关系抽取

4.1 抽取管道

class FinancialKGExtractor:
    '''从金融文档中抽取实体的管道'''

    def extract_from_10k(self, filing_text):
        '''从 10-K 年报中抽取知识'''
        # 分段处理：按章节分割
        sections = self._split_sections(filing_text)

        all_entities = []
        all_relations = []

        # 逐章节处理
        for section in sections:
            if section.heading in ["业务概览", "管理层讨论", "财务数据"]:
                entities, relations = self._extract_section(section)
                all_entities.extend(entities)
                all_relations.extend(relations)

        # 去重和实体链接
        merged = self._deduplicate_and_link(all_entities)

        return merged, all_relations

    def _extract_section(self, section):
        '''使用 LLM 抽取一个章节中的实体和关系'''
        prompt = f'''
        从以下金融文档章节中抽取实体和关系。

        已知实体类型：Company, Person, Product, FinancialMetric, Event
        已知关系类型：CEO_OF, PRODUCES, HAS_METRIC, COMPETES_WITH, SUBSIDIARY_OF

        章节内容：
        {section.content}

        请输出 JSON 格式：
        {{
          "entities": [
            {{"name": "...", "type": "Company", "properties": {{"ticker": "...", "industry": "..."}}}}
          ],
          "relations": [
            {{"subject": "...", "relation": "CEO_OF", "object": "...", "properties": {{"since": "2020"}}}}
          ]
        }}
        '''
        result = llm.generate(prompt)
        return self._parse_json_result(result)

4.2 实体链接与消歧

def entity_linking(candidates, existing_kg):
    '''将抽取的实体链接到已有图谱中的节点'''
    linked_entities = []

    for entity in candidates:
        # 精确匹配
        exact_match = existing_kg.find_exact(entity.name)
        if exact_match:
            entity.kg_id = exact_match.id
            linked_entities.append(entity)
            continue

        # 模糊匹配（同义词、缩写）
        fuzzy_matches = existing_kg.find_similar(entity.name, threshold=0.85)
        if fuzzy_matches:
            # 如果有多个模糊匹配，让 LLM 判断
            best = llm.disambiguate(entity, fuzzy_matches)
            entity.kg_id = best.id
            linked_entities.append(entity)
            continue

        # 没有匹配，创建新节点
        new_node = existing_kg.create_node(entity)
        entity.kg_id = new_node.id
        linked_entities.append(entity)

    return linked_entities

五、第三步：图增强检索

5.1 混合检索策略

class HybridFinancialRetriever:
    '''金融领域的混合检索器——向量检索 + 图查询'''

    def retrieve(self, question):
        # 1. LLM 分析问题判断是否需要图查询
        question_type = self._classify_question(question)

        # 2. 并行执行两种检索
        vector_results = self._vector_retrieve(question)
        graph_results = self._graph_retrieve(question) if question_type.needs_graph else []

        # 3. 结果融合
        combined = self._fuse_results(vector_results, graph_results)
        return combined

    def _classify_question(self, question):
        '''判断问题是需要图查询、向量检索还是两者都需要'''
        prompt = f'''
        分类以下问题需要的检索类型：
        - vector_only: 只需要语义搜索
        - graph_only: 只需要精确的图查询
        - hybrid: 两者都需要

        问题：{question}

        请只返回分类名称。
        '''
        return llm.generate(prompt)

    def _graph_retrieve(self, question):
        '''针对金融问题的专用图查询'''
        # 预定义的查询模板
        templates = {
            "revenue": '''
                MATCH (c:Company {name: $company})-[:HAS_METRIC]->(m:FinancialMetric)
                WHERE m.name = 'revenue' AND m.period = $period
                RETURN m.value, m.unit
            ''',
            "competitors": '''
                MATCH (c:Company {name: $company})-[:COMPETES_WITH]->(competitor:Company)
                RETURN competitor.name, competitor.market_cap
            ''',
            "ceo_history": '''
                MATCH (c:Company {name: $company})<-[:CEO_OF]-(p:Person),
                      (p)-[:WORKED_FOR]->(other:Company)
                RETURN p.name, other.name
            '''
        }

        # 用 LLM 选择模板并填充参数
        template_name, params = self._match_template(question, templates)
        if template_name:
            cypher = templates[template_name]
            return self.kg.run(cypher, params)

        # 没有匹配模板，让 LLM 生成 Cypher
        cypher = self._generate_cypher(question)
        return self.kg.run(cypher)

5.2 向量检索与图查询的互补

向量检索和图查询在金融场景中的分工：

场景	向量检索	图查询
「新能源汽车行业最近有什么趋势？」	✓ 语义匹配	✗
「比亚迪 2024 年营收是多少？」	✗	✓ 精确数值
「特斯拉的竞争对手有哪些？」	✗	✓ 关系查询
「分析一下宁德时代在供应链中的地位」	✓ 解释性分析	✓ 供应链关系

六、第四步：融合生成

def generate_answer(question, vector_context, graph_context):
    '''结合两种检索结果生成最终答案'''

    # 格式化检索结果
    formatted_vector = format_vector_results(vector_context)
    formatted_graph = format_graph_results(graph_context)

    prompt = f'''
    你是一个金融领域 AI 分析师。请基于以下信息回答用户的问题。

    用户问题：{question}

    【向量检索结果 - 提供背景信息和解释】
    {formatted_vector}

    【知识图谱查询结果 - 提供精确的事实数据】
    {formatted_graph}

    请基于以上信息给出准确的回答。
    引用的数据请在括号中标注来源是「知识图谱」还是「文档库」。
    '''

    return llm.generate(prompt)

七、质量保证与监控

7.1 数据质量检查

def quality_check(kg_data):
    '''对抽取的数据进行质量检查'''
    issues = []

    # 完整性检查
    for entity in kg_data.entities:
        if entity.type == "Company" and not entity.properties.get("ticker"):
            issues.append(f"公司 {entity.name} 缺少股票代码")

    # 一致性检查
    for rel in kg_data.relations:
        if rel.type == "HAS_METRIC" and "value" not in rel.properties:
            issues.append(f"指标关系缺少数值")

    # 时效性检查
    for metric in kg_data.financial_metrics:
        if is_older_than(metric.period, "2 quarters"):
            issues.append(f"指标 {metric.name} 数据已过期")

    return issues

7.2 检索效果监控

定期评估图增强检索的效果：
- 图查询的准确率和召回率
- 图查询的延迟（P95 应 < 500ms）
- 向量和图的互补率（单独一种检索无法返回结果的比例）

八、总结

金融文档是知识图谱与 RAG 结合的理想场景。通过严谨的本体设计、LLM 驱动的实体关系抽取、图增强的混合检索和融合生成，可以构建一个比纯向量 RAG 更精确、更可靠的金融问答系统。这套方法可以灵活迁移到医疗、法律等结构化信息密集的领域。

五、金融文档 KG + RAG 的实际效果

5.1 性能对比

评估维度	纯向量 RAG	KG+向量混合 RAG	提升
事实准确率	82%	96%	+14%
多跳问答	65%	91%	+26%
幻觉率	15%	4%	-73%
可解释性	低	高	显著

5.2 典型金融场景

场景一：产业链分析

问题：“华为的供应商中有哪些是 A 股上市公司？”
- 纯向量 RAG：可能返回华为的子公司、客户、合作伙伴等混杂结果
- KG+RAG：精确查询华为-供应链-上市公司路径，结果准确

场景二：关联交易检测

问题：“A 公司和 B 公司有哪些共同的投资方？”
- 通过图谱多跳查询，可以发现跨多个层级的间接关联

六、部署与性能优化

索引优化：为常用查询模式建立索引
缓存策略：缓存热点查询结果
查询超时：设置执行超时防止慢查询拖垮系统
结果限制：限制返回结果数量减少 Token 消耗

七、总结

知识图谱与 RAG 的结合是构建高精度问答系统的关键技术路线。

关键要点回顾：
- 金融文档中的实体关系天然适合用 KG 建模
- LLM 可以从非结构化文档中自动抽取知识
- 多阶段抽取提升实体关系质量
- 图查询+向量检索的混合策略优于单一方案
- 事实准确率可从 82% 提升到 96%

五、金融文档 KG + RAG 的实际效果

5.1 性能对比

评估维度	纯向量 RAG	KG+向量混合 RAG	提升
事实准确率	82%	96%	+14%
多跳问答	65%	91%	+26%
幻觉率	15%	4%	-73%
可解释性	低	高	显著

5.2 典型金融场景

场景一：产业链分析

场景二：关联交易检测

问题：“A 公司和 B 公司有哪些共同的投资方？”
- 通过图谱多跳查询，可以发现跨多个层级的间接关联

六、部署与性能优化

索引优化：为常用查询模式建立索引
缓存策略：缓存热点查询结果
查询超时：设置执行超时防止慢查询拖垮系统
结果限制：限制返回结果数量减少 Token 消耗

七、总结

知识图谱与 RAG 的结合是构建高精度问答系统的关键技术路线。

五、金融文档 KG + RAG 的实际效果

5.1 性能对比

评估维度	纯向量 RAG	KG+向量混合 RAG	提升
事实准确率	82%	96%	+14%
多跳问答	65%	91%	+26%
幻觉率	15%	4%	-73%
可解释性	低	高	显著

5.2 典型金融场景

场景一：产业链分析

场景二：关联交易检测

问题：“A 公司和 B 公司有哪些共同的投资方？”
- 通过图谱多跳查询，可以发现跨多个层级的间接关联

六、部署与性能优化

索引优化：为常用查询模式建立索引
缓存策略：缓存热点查询结果
查询超时：设置执行超时防止慢查询拖垮系统
结果限制：限制返回结果数量减少 Token 消耗

七、总结

知识图谱与 RAG 的结合是构建高精度问答系统的关键技术路线。

知识图谱与 RAG 结合实战

知识图谱与 RAG 结合实战

课程简介

知识图谱与 RAG 结合实战：金融文档案例

一、为什么选择金融文档？

二、项目架构概览

三、第一步：本体设计

3.1 实体类型定义

3.2 关系类型定义

四、第二步：LLM 驱动的实体关系抽取

4.1 抽取管道

4.2 实体链接与消歧

五、第三步：图增强检索

5.1 混合检索策略

5.2 向量检索与图查询的互补

六、第四步：融合生成

七、质量保证与监控

7.1 数据质量检查

7.2 检索效果监控

八、总结

五、金融文档 KG + RAG 的实际效果

5.1 性能对比

5.2 典型金融场景

六、部署与性能优化

七、总结

五、金融文档 KG + RAG 的实际效果

5.1 性能对比

5.2 典型金融场景

六、部署与性能优化

七、总结

五、金融文档 KG + RAG 的实际效果

5.1 性能对比

5.2 典型金融场景

六、部署与性能优化

七、总结

延伸阅读