全新视角：基于 RAG 思路构建文档级知识图谱
传统的知识图谱构建方法在处理长文本时，往往面临长距离信息遗忘、复杂实体消歧难题以及跨文档知识融合不足等挑战。本文介绍的 RAKG 框架（Retrieval-Augmented Knowledge Graph）通过融合 RAG（检索增强生成）理念，提供了一套自动化构建文档级知识图谱的创新范式，显著提升了长文本场景下的知识抽取与整合能力。
方法
RAKG 框架的整体流程如下：先对文档进行句子分割与向量化处理，提取初步实体，并执行实体消歧与向量化。处理后的实体通过语料库回顾检索获取相关文本，同时进行图结构检索以关联已有知识图谱。随后，利用 LLM 整合检索信息来构建关系网络，这些网络针对每个实体进行合并。最后，新构建的知识图谱与原始知识图谱相融合，形成更完备的文档级知识体系。
A. 理想知识图谱的假设
RAKG 假设存在一个理论上最优的知识图谱构建过程，该过程能将文档转化为理想的完备知识图谱。这个理想图谱可用数学形式表示，包含文档中全部语义关系。实际构建的目标是尽可能逼近这一理想状态，从而提升知识图谱的完整性与准确性。
B. 知识库向量化
RAKG 将文档和知识图谱进行向量化处理，以支持后续的检索与生成操作。
- 文档分块与向量化： 文档被分割成多个文本块（chunks），通常以句子为基本单位。每个文本块被向量化，便于后续处理分析。与 RAG 类似，这种方法可减少 LLM 每次处理的信息量，同时保持每个片段的语义完整性，从而提升命名实体识别的精度。
- 知识图谱向量化： 初始知识图谱中的每个节点（如实体）通过提取其名称和类型进行向量化。采用 BGE-M3 模型进行向量化，便于在检索过程中高效匹配。