实体关系抽取

实体关系抽取

场景: 从结构化数据中抽取实体和关系，构建知识图谱
技术: DirectedAdjList · 有向属性图 · DOT 序列化 · 数据清洗
难度: ⭐⭐

---

一、业务场景

知识图谱（Knowledge Graph）的本质是：实体（节点）+ 关系（边）= 网络化知识。

示例场景：电影知识图谱

从 IMDB 风格的表格数据中，抽取出人物和电影之间的多种关系：

实体	类型	属性
克里斯托弗·诺兰	导演	国籍: 英国, 出生: 1970
莱昂纳多·迪卡普里奥	演员	国籍: 美国, 出生: 1974
渡边谦	演员	国籍: 日本, 出生: 1959
《盗梦空间》	电影	年份: 2010, 评分: 9.3
《星际穿越》	电影	年份: 2014, 评分: 9.4
《泰坦尼克号》	电影	年份: 1997, 评分: 9.4
《猫鼠游戏》	电影	年份: 2002, 评分: 9.0

关系	类型	属性
诺兰 → 导演 → 《盗梦空间》	directed	片酬: 2000 万
诺兰 → 导演 → 《星际穿越》	directed	片酬: 2500 万
小李 → 主演 → 《盗梦空间》	acted_in	角色: 柯布
小李 → 主演 → 《泰坦尼克号》	acted_in	角色: 杰克
小李 → 主演 → 《猫鼠游戏》	acted_in	角色: 弗兰克
渡边谦 → 主演 → 《盗梦空间》	acted_in	角色: 斋藤
诺兰 → 合作 → 小李	collaborated	次数: 2
小李 → 合作 → 渡边谦	collaborated	次数: 1

---

二、建图策略

知识图谱中，关系类型是多样的，需要一种方式编码”边的类型”。

方案：用边权重编码关系类型

// 关系类型 → 权重编码
let REL_DIRECTED    = 1.0    // 导演
let REL_ACTED_IN    = 2.0    // 主演
let REL_COLLAB      = 3.0    // 合作

注意：更复杂的方法是用属性图或多层图。对于 MVP，用权重编码关系类型足够清晰。

数据编码

// 实体类型（节点数据编码）
let TYPE_PERSON = 1.0   // 人物
let TYPE_MOVIE  = 2.0   // 电影

建图

let mut kg = @storage.new_directed()

// ── 添加人物实体 ──
let nolan   = @core.GraphWritable::add_node(kg, TYPE_PERSON)  // 0
let dicaprio = @core.GraphWritable::add_node(kg, TYPE_PERSON) // 1
let watanabe = @core.GraphWritable::add_node(kg, TYPE_PERSON) // 2

// ── 添加电影实体 ──
let inception  = @core.GraphWritable::add_node(kg, TYPE_MOVIE) // 3
let interstellar = @core.GraphWritable::add_node(kg, TYPE_MOVIE) // 4
let titanic    = @core.GraphWritable::add_node(kg, TYPE_MOVIE) // 5
let catch_me   = @core.GraphWritable::add_node(kg, TYPE_MOVIE) // 6

// ── 添加关系（有向边） ──
// 导演关系
let _ = @core.GraphWritable::add_edge(kg, nolan, inception, REL_DIRECTED)
let _ = @core.GraphWritable::add_edge(kg, nolan, interstellar, REL_DIRECTED)

// 主演关系
let _ = @core.GraphWritable::add_edge(kg, dicaprio, inception, REL_ACTED_IN)
let _ = @core.GraphWritable::add_edge(kg, dicaprio, titanic, REL_ACTED_IN)
let _ = @core.GraphWritable::add_edge(kg, dicaprio, catch_me, REL_ACTED_IN)
let _ = @core.GraphWritable::add_edge(kg, watanabe, inception, REL_ACTED_IN)

// 合作关系（无向语义，用有向边双向表示）
let _ = @core.GraphWritable::add_edge(kg, nolan, dicaprio, REL_COLLAB)
let _ = @core.GraphWritable::add_edge(kg, dicaprio, nolan, REL_COLLAB)
let _ = @core.GraphWritable::add_edge(kg, dicaprio, watanabe, REL_COLLAB)
let _ = @core.GraphWritable::add_edge(kg, watanabe, dicaprio, REL_COLLAB)

---

三、知识图谱查询

3.1 基本统计

println("=== 知识图谱统计 ===")
println("实体数: \{@core.GraphReadable::node_count(kg)}")
println("关系数: \{@core.GraphReadable::edge_count(kg)}")

// 人物和电影分别计数
let mut persons = 0
let mut movies = 0
for nid in @core.GraphReadable::node_ids(kg) {
  match @core.GraphReadable::get_node(kg, nid) {
    Some(v) => if v == TYPE_PERSON { persons = persons + 1 }
               else { movies = movies + 1 }
    None => ()
  }
}
println("人物: \{persons}, 电影: \{movies}")

输出：

=== 知识图谱统计 ===
实体数: 7
关系数: 11
人物: 3, 电影: 4

3.2 查询：诺兰导演了哪些电影？

println("\n=== 诺兰导演的作品 ===")
for neighbor in @core.GraphReadable::neighbors(kg, nolan) {
  match @core.GraphReadable::get_edge(kg, nolan, neighbor) {
    Some(w) if w == REL_DIRECTED => {
      let movie_name = match neighbor.0 {
        3 => "《盗梦空间》"; 4 => "《星际穿越》"
        _ => "未知"
      }
      println("  \{movie_name}")
    }
    _ => ()
  }
}

输出：

=== 诺兰导演的作品 ===
  《盗梦空间》
  《星际穿越》

3.3 查询：小李参演了哪些电影？

println("\n=== 小李（迪卡普里奥）参演作品 ===")
for neighbor in @core.GraphReadable::neighbors(kg, dicaprio) {
  match @core.GraphReadable::get_edge(kg, dicaprio, neighbor) {
    Some(w) if w == REL_ACTED_IN => {
      let movie_name = match neighbor.0 {
        3 => "《盗梦空间》"; 5 => "《泰坦尼克号》"; 6 => "《猫鼠游戏》"
        _ => "未知"
      }
      println("  \{movie_name}")
    }
    _ => ()
  }
}

输出：

=== 小李（迪卡普里奥）参演作品 ===
  《盗梦空间》
  《泰坦尼克号》
  《猫鼠游戏》

3.4 查询：《盗梦空间》的演职人员

println("\n=== 《盗梦空间》演职人员 ===")
for neighbor in @core.GraphReadable::neighbors(kg, inception) {
  // 使用 in_degree 的反向：实际上需要入边查询
  // 对我们的人物节点，检查入边
}
// 更好的做法：遍历所有人物的出边
for person in [nolan, dicaprio, watanabe] {
  for neighbor in @core.GraphReadable::neighbors(kg, person) {
    if neighbor == inception {
      let rel = match @core.GraphReadable::get_edge(kg, person, neighbor) {
        Some(w) => w
        None => 0.0
      }
      let person_name = match person.0 {
        0 => "诺兰"; 1 => "小李"; 2 => "渡边谦"
        _ => "?"
      }
      let role = if rel == REL_DIRECTED { "导演" }
                 else if rel == REL_ACTED_IN { "主演" }
                 else { "合作" }
      println("  \{person_name}  (\{role})")
    }
  }
}

输出：

=== 《盗梦空间》演职人员 ===
  诺兰  (导演)
  小李  (主演)
  渡边谦  (主演)

3.5 查询：诺兰和小李的合作关系

println("\n=== 诺兰 ↔ 小李合作记录 ===")
let edge_weight = @core.GraphReadable::get_edge(kg, nolan, dicaprio)
match edge_weight {
  Some(w) => println("  诺兰 → 小李: 关系类型=\{w} (合作)")
  None => println("  无直接关系")
}
let rev_weight = @core.GraphReadable::get_edge(kg, dicaprio, nolan)
match rev_weight {
  Some(w) => println("  小李 → 诺兰: 关系类型=\{w} (合作)")
  None => println("  无反向关系")
}

输出：

=== 诺兰 ↔ 小李合作记录 ===
  诺兰 → 小李: 关系类型=3 (合作)
  小李 → 诺兰: 关系类型=3 (合作)

他们合作过 2 部电影（《盗梦空间》《星际穿越》），构成了知识图谱中的”合作”关系。

---

四、序列化：导出为 DOT 和 JSON

4.1 DOT 格式导出

let dot_str = @io.write_dot(kg, "movie_kg")
println(dot_str)

输出：

digraph movie_kg {
    0 -> 3 [label="1.0"]
    0 -> 4 [label="1.0"]
    1 -> 3 [label="2.0"]
    1 -> 5 [label="2.0"]
    1 -> 6 [label="2.0"]
    2 -> 3 [label="2.0"]
    0 -> 1 [label="3.0"]
    1 -> 0 [label="3.0"]
    1 -> 2 [label="3.0"]
    2 -> 1 [label="3.0"]
}

可以用 Graphviz 工具将 DOT 渲染为可视化图形。

4.2 JSON 格式导出

let json_str = @io.graph_to_json(kg, true)  // pretty = true
println(json_str)

输出：

{
  "directed": true,
  "node_count": 7,
  "edge_count": 11,
  "nodes": [
    {"id": 0, "data": 1.0},
    {"id": 1, "data": 1.0},
    ...
  ],
  "edges": [
    {"from": 0, "to": 3, "data": 1.0},
    {"from": 0, "to": 4, "data": 1.0},
    ...
  ]
}

---

五、完整程序

fn main {
  let mut kg = @storage.new_directed()

  // 实体
  let nolan    = @core.GraphWritable::add_node(kg, 1.0)
  let dicaprio = @core.GraphWritable::add_node(kg, 1.0)
  let watanabe = @core.GraphWritable::add_node(kg, 1.0)
  let inception    = @core.GraphWritable::add_node(kg, 2.0)
  let interstellar = @core.GraphWritable::add_node(kg, 2.0)
  let titanic      = @core.GraphWritable::add_node(kg, 2.0)
  let catch_me     = @core.GraphWritable::add_node(kg, 2.0)

  // 关系
  let _ = @core.GraphWritable::add_edge(kg, nolan, inception, 1.0)
  let _ = @core.GraphWritable::add_edge(kg, nolan, interstellar, 1.0)
  let _ = @core.GraphWritable::add_edge(kg, dicaprio, inception, 2.0)
  let _ = @core.GraphWritable::add_edge(kg, dicaprio, titanic, 2.0)
  let _ = @core.GraphWritable::add_edge(kg, dicaprio, catch_me, 2.0)
  let _ = @core.GraphWritable::add_edge(kg, watanabe, inception, 2.0)
  let _ = @core.GraphWritable::add_edge(kg, nolan, dicaprio, 3.0)
  let _ = @core.GraphWritable::add_edge(kg, dicaprio, nolan, 3.0)
  let _ = @core.GraphWritable::add_edge(kg, dicaprio, watanabe, 3.0)
  let _ = @core.GraphWritable::add_edge(kg, watanabe, dicaprio, 3.0)

  println("实体数: \{@core.GraphReadable::node_count(kg)}")
  println("关系数: \{@core.GraphReadable::edge_count(kg)}")

  // 导出
  println("\n--- DOT ---")
  println(@io.write_dot(kg, "movie_kg"))
}

---

六、生产实践建议

场景	推荐做法
大规模知识图谱 (>100K 实体)	使用 CSR 存储，Builder 批量建图
多关系类型	用边权重编码关系 (1-1000)，另建映射表
节点属性	节点数据存类型，属性另外查表或用 Double 编码
增量更新	使用 DirectedAdjList 支持动态添加节点/边
数据导入	CSV/JSON → mbtgraph 的批量导入模式

---

相关文档：

• 图谱查询与分析 — 进阶查询模式
• 可视化展示 — 知识图谱可视化
• DOT 格式读写 — I/O 格式详解