使用 Oracle Autonomous Database 和 Property Graph 查询语言创建知识图

简介

本教程探讨了图形理论、知识图的概念，以及如何使用 Oracle Autonomous Database with Property Graph Query Language (PGQL) 来实施这些概念。它还解释了 Python 实现，用于使用 LLM 从文档中提取关系，并将其作为图形结构存储在 Oracle 中。

什么是图形？

图形是数学和计算机科学的一个领域，专注于建模对象之间的关系。图形包括：

• 垂直（节点）：表示实体。

• 边（链接）：表示实体之间的关系。

图形广泛用于在社交网络、语义网络、知识图等中表示数据结构。

什么是知识图谱？

知识图是基于图形表示的真实世界知识，其中：

• 节点表示实体，例如人员、地点、产品等。

• 边表示语义关系。例如，工作地点、部分或更多。

知识图谱可增强语义搜索、推荐系统和问题解答应用程序。

为什么要将 Oracle Autonomous Database 与 PGQL 结合使用？

Oracle 提供了一个完全托管的环境来存储和查询属性图形：

• PGQL 类似 SQL，专为查询复杂的图形模式而设计。

• Oracle Autonomous Database 支持原生使用属性图形功能运行图形查询，包括创建、查询和可视化。

• 与 LLM 集成可自动从非结构化数据（如 PDF）中提取图形结构。

与其他图形查询语言的比较

Oracle Autonomous Database with PGQL 与传统图形数据库的优势

目标

• 使用 Oracle Autonomous Database 和 PGQL 创建知识图。

Prerequisites

• 安装 Python version 3.10 或更高版本和 Oracle Cloud Infrastructure 命令行界面 (OCI CLI)。

任务 1：安装 Python 软件包

Python 代码需要某些库才能使用 Oracle Cloud Infrastructure (OCI) Generative AI。运行以下命令以安装所需的 Python 软件包。可以从以下位置下载该文件：requirements.txt 。

pip install -r requirements.txt

任务 2：创建 Oracle Database 23ai（始终免费）

在本任务中，我们将学习如何在始终免费模式下预配 Oracle Database 23ai。此版本提供完全托管的环境，非常适合开发、测试和学习，且无需额外付费。

1. 登录 OCI 控制台，导航到 Oracle Database 和 Autonomous Database ，然后单击创建 Autonomous Database 实例。

2. 输入以下信息。

   • 数据库名称：输入实例的标识名称。
   • 工作量类型：根据您的需要选择数据仓库或事务处理。
   • 区间：选择合适的区间来组织资源。

3. 选择始终免费以确保实例是免费预配的。

4. 为 ADMIN 用户创建安全密码，该密码将用于访问数据库。

5. 查看设置，然后单击创建 Autonomous Database 。等待几分钟，让实例进行预配并可供使用。

如果您不熟悉连接到 Oracle Autonomous Database 的过程，请按照以下链接了解并正确配置代码。

• 下载数据库连接信息

• 使用 Python 连接数据库

注：您需要使用 Wallet 方法连接到 Python 代码内的数据库。

任务 3：下载并理解代码

Graph 的一个非常常见的用例是将其用作与 LLM 和知识库（如 PDF 文件）一起工作的组件之一。

我们将使用本教程：使用 OCI Generative AI 分析自然语言中的 PDF 文档作为我们的基础，该基础使用上述所有组件。但是，在本文档中，我们将重点介绍如何将 Oracle Database 23ai 与 Graph 一起使用。基本上，基本材料中的 Python 代码 (main.py ) 仅在使用 Oracle Database 23ai 的部分中进行修改。

以下是在此服务上执行的进程：

• 创建图表方案。

• 使用 LLM 提取实体和关系。

• 向 Oracle 中插入数据。

• 构建属性图形。

从以下位置下载与 Oracle Database 23ai 兼容的更新 Python 图形代码：main.py 。

• create_knowledge_graph:

  def create_knowledge_graph(chunks):
      cursor = oracle_conn.cursor()
  
      # Creates graph if it does not exist
      try:
          cursor.execute(f"""
          BEGIN
              EXECUTE IMMEDIATE '
                  CREATE PROPERTY GRAPH {GRAPH_NAME}
                  VERTEX TABLES (ENTITIES
                      KEY (ID)
                      LABEL ENTITIES
                      PROPERTIES (NAME))
                  EDGE TABLES (RELATIONS
                      KEY (ID)
                      SOURCE KEY (SOURCE_ID) REFERENCES ENTITIES(ID)
                      DESTINATION KEY (TARGET_ID) REFERENCES ENTITIES(ID)
                      LABEL RELATIONS
                      PROPERTIES (RELATION_TYPE, SOURCE_TEXT))
              ';
          EXCEPTION
              WHEN OTHERS THEN
                  IF SQLCODE != -55358 THEN -- ORA-55358: Graph already exists
                      RAISE;
                  END IF;
          END;
          """)
          print(f"🧠 Graph '{GRAPH_NAME}' created or already exists.")
      except Exception as e:
          print(f"[GRAPH ERROR] Failed to create graph: {e}")
  
      # Inserting vertices and edges into the tables
      for doc in chunks:
          text = doc.page_content
          source = doc.metadata.get("source", "unknown")
  
          if not text.strip():
              continue
  
          prompt = f"""
          You are an expert in knowledge extraction.
  
          Given the following technical text:
  
          {text}
  
          Extract key entities and relationships in the format:
          - Entity1 -[RELATION]-> Entity2
  
          Use UPPERCASE for RELATION types.
          Return 'NONE' if nothing found.
          """
          try:
              response = llm_for_rag.invoke(prompt)
              result = response.content.strip()
          except Exception as e:
              print(f"[ERROR] Gen AI call error: {e}")
              continue
  
          if result.upper() == "NONE":
              continue
  
          triples = result.splitlines()
          for triple in triples:
              parts = triple.split("-[")
              if len(parts) != 2:
                  continue
  
              right_part = parts[1].split("]->")
              if len(right_part) != 2:
                  continue
  
              raw_relation, entity2 = right_part
              relation = re.sub(r'\W+', '_', raw_relation.strip().upper())
              entity1 = parts[0].strip()
              entity2 = entity2.strip()
  
              try:
                  # Insertion of entities (with existence check)
                  cursor.execute("MERGE INTO ENTITIES e USING (SELECT :name AS NAME FROM dual) src ON (e.name = src.name) WHEN NOT MATCHED THEN INSERT (NAME) VALUES (:name)", [entity1, entity1])
                  cursor.execute("MERGE INTO ENTITIES e USING (SELECT :name AS NAME FROM dual) src ON (e.name = src.name) WHEN NOT MATCHED THEN INSERT (NAME) VALUES (:name)", [entity2, entity2])
                  # Retrieve the IDs
                  cursor.execute("SELECT ID FROM ENTITIES WHERE NAME = :name", [entity1])
                  source_id = cursor.fetchone()[0]
                  cursor.execute("SELECT ID FROM ENTITIES WHERE NAME = :name", [entity2])
                  target_id = cursor.fetchone()[0]
                  # Create relations
                  cursor.execute("""
                      INSERT INTO RELATIONS (SOURCE_ID, TARGET_ID, RELATION_TYPE, SOURCE_TEXT)
                      VALUES (:src, :tgt, :rel, :txt)
                  """, [source_id, target_id, relation, source])
                  print(f"✅ {entity1} -[{relation}]-> {entity2}")
              except Exception as e:
                  print(f"[INSERT ERROR] {e}")
  
      oracle_conn.commit()
      cursor.close()
      print("💾 Knowledge graph updated.")
  

  • 使用 CREATE PROPERTY GRAPH 创建图形方案，链接 ENTITIES（通告）和 RELATIONS（边）。

  • 仅当新实体不存在时才使用 MERGE INTO 插入新实体（确保唯一性）。

  • LLM (Oracle Generative AI) 用于提取 Entity1 -[RELATION]-> Entity2. 格式的三倍

  • 与 Oracle 的所有交互都通过 oracledb 和 PL/SQL 匿名块完成。

  现在，您可以：

  • 使用 PGQL 浏览和查询图形关系。

  • 连接到 Graph Studio 以实现可视化。

  • 通过 API REST 或 LangChain 代理公开图形。

• 图形查询支持功能

  有两个基本功能可以对知识图进行语义搜索和推理：extract_graph_keywords 和 query_knowledge_graph。通过这些组件，可以在 Oracle Autonomous Database 上使用 PGQL 将问题解释为有意义的图形查询。

  • extract_graph_keywords:

    def extract_graph_keywords(question: str) -> str:
        prompt = f"""
        Based on the question below, extract relevant keywords (1 to 2 words per term) that can be used to search for entities and relationships in a technical knowledge graph.
    
        Question: "{question}"
    
        Rules:
        - Split compound terms (e.g., "API Gateway" → "API", "Gateway")
        - Remove duplicates
        - Do not include generic words such as: "what", "how", "the", "of", "in the document", etc.
        - Return only the keywords, separated by commas. No explanations.
    
        Result:
        """
        try:
            resp = llm_for_rag.invoke(prompt)
            keywords_raw = resp.content.strip()
    
            # Additional post-processing: remove duplicates, normalize
            keywords = {kw.strip().lower() for kw in re.split(r'[,\n]+', keywords_raw)}
            keywords = [kw for kw in keywords if kw]  # remove empty strings
            return ", ".join(sorted(keywords))
        except Exception as e:
            print(f"[KEYWORD EXTRACTION ERROR] {e}")
            return ""
    

    功能：

    • 使用 LLM (llm_for_rag) 将自然语言问题转换为图形友好的关键字列表。

    • 提示旨在清晰地提取与搜索图形相关的实体和术语。

    为什么这很重要：

    • 它弥合了非结构化问题和结构化查询之间的差距。

    • 确保在 PGQL 查询中仅使用与域相关的特定术语进行匹配。

    LLM 增强的行为：

    • 打破复合技术术语。

    • 删除停止词（例如 what 、 how 等）。

    • 通过减少和删除重复项来规范化文本。

    示例：

    • 输入:

      "What are the main components of an API Gateway architecture?"
      

    • 输出关键字：

      api, gateway, architecture, components
      

  • query_knowledge_graph:

    def query_knowledge_graph(query_text):
        cursor = oracle_conn.cursor()
    
        sanitized_text = query_text.lower()
    
        pgql = f"""
            SELECT from_entity,
                relation_type,
                to_entity
            FROM GRAPH_TABLE(
                {GRAPH_NAME}
                MATCH (e1 is ENTITIES)-[r is RELATIONS]->(e2 is ENTITIES)
                WHERE CONTAINS(e1.name, '{sanitized_text}') > 0
                OR CONTAINS(e2.name, '{sanitized_text}') > 0
                OR CONTAINS(r.RELATION_TYPE, '{sanitized_text}') > 0
                COLUMNS (
                    e1.name AS from_entity,
                    r.RELATION_TYPE AS relation_type,
                    e2.name AS to_entity
                )
            )
            FETCH FIRST 20 ROWS ONLY
        """
    
        print(pgql)
    
        try:
            cursor.execute(pgql)
            rows = cursor.fetchall()
            if not rows:
                return "⚠️ No relationships found in the graph."
    
            return "\n".join(f"{r[0]} -[{r[1]}]-> {r[2]}" for r in rows)
    
        except Exception as e:
            return f"[PGQL ERROR] {e}"
    
        finally:
            cursor.close()
    

    功能：

    • 接受基于关键字的字符串（通常由 extract_graph_keywords 生成），并构建 PGQL 查询以从知识图中检索关系。

    关键机制：

    • GRAPH_TABLE 子句使用 MATCH 将图形从源节点遍历到目标节点。

    • 它使用 CONTAINS() 允许在节点/边缘属性（e1.name、e2.name、r.RELATION_TYPE）中进行部分和模糊搜索。

    • 将结果限制为 20，以避免输出溢出。

    为什么使用 PGQL：

    • PGQL 类似 SQL，但设计用于图形遍历。

    • Oracle Autonomous Database 支持属性图形，可实现关系和图形世界之间的无缝集成。

    • 提供企业就绪的索引、优化和原生图形搜索功能。

    Oracle 专用说明：

    • GRAPH_TABLE() 对 Oracle PGQL 是唯一的，它允许对通过关系表定义的图形的逻辑视图进行查询。

    • 与 Cypher(Neo4j) 不同，PGQL 使用 SQL 扩展运行结构化数据，使其在 RDBMS 繁重的环境中更友好。

任务 4：运行聊天机器人

运行以下命令以运行聊天机器人。

python main.py

相关链接

• 使用 OCI Generative AI 以自然语言分析 PDF 文档

• Oracle Graph 学习路径

• 图形开发人员属性图指南

• Oracle Database 23ai 中的属性图形入门

• 下载数据库连接信息

• 将 Python 应用与 Wallet (mTLS) 连接

确认

• 作者 — Cristiano Hoshikawa（Oracle LAD A，团队解决方案工程师）

更多学习资源

通过 docs.oracle.com/learn 浏览其他实验室，或者通过 Oracle Learning YouTube 频道访问更多免费学习内容。此外，请访问 education.oracle.com/learning-explorer 以成为 Oracle Learning Explorer。

有关产品文档，请访问 Oracle 帮助中心。

---

标题和版权信息

Create a Knowledge Graph with Oracle Autonomous Database and Property Graph Query Language

G38839-02

Copyright ©2025, Oracle and/or its affiliates.