开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >基于新闻与裁判文书的企业知识图谱构建实践：从信息抽取到 Neo4j 图谱入库

基于新闻与裁判文书的企业知识图谱构建实践：从信息抽取到 Neo4j 图谱入库

用户12429136

发布于 2026-06-11 09:16:37

发布于 2026-06-11 09:16:37

900

举报

概述

针对工商数据查询的应用，利用知识图谱和rag技术相结合，可以有效提高知识图谱的丰富性，同时结合大模型的能力，能够将原本需要人工查询Cypher的方式，转换成利用自然语言查询。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

评论

登录后参与评论

0 条评论

热度

最新

目录

一、项目背景

二、整体技术架构

三、数据来源与处理对象

四、文本预处理
- 4.1 新闻数据预处理
- 4.2 裁判文书预处理

五、知识图谱 Schema 设计
- 5.1 新闻数据中的实体类型
- 5.2 新闻数据中的关系和事件
- 5.3 裁判文书中的实体类型
- 5.4 裁判文书中的关系建模

六、信息抽取模型设计
- 6.1 UIE-ERNIE 结构
- 6.2 PP-UIE
- 6.3 模型选择建议

七、Schema Prompt 设计
- 7.1 新闻事件 Schema
- 7.2 裁判文书 Schema

八、模型训练流程
- 8.1 数据标注
- 8.2 负样本构造
- 8.3 推荐训练参数

九、模型评估

十、企业实体对齐与消歧
- 10.1 候选召回
- 10.2 候选排序
- 10.3 分级处理

十一、事实状态判断与证据追溯

十二、Neo4j 图数据建模
- 12.1 企业主节点
- 12.2 新闻事件图模型
- 12.3 裁判案件图模型

十三、结合向量索引实现语义检索

十四、GraphRAG 应用

十五、质量控制与持续学习

十六、项目最终效果

十七、总结