使用 Oracle Autonomous Database 和 Property Graph 查詢語言建立知識圖表

簡介

本教學課程探討圖表理論、知識圖表的概念，以及如何使用 Oracle Autonomous Database with Property Graph Query Language (PGQL) 導入圖表。同時也說明 Python 實作，用於使用 LLM 從文件中擷取關係，並將其儲存為 Oracle 中的圖表結構。

什麼是圖表？

Graph 是數學與電腦科學的領域，專注於塑造物件之間的關係模型。圖表包含：

• 頂點 (節點)：代表實體。

• 邊緣 (連結)：代表實體之間的關係。

圖表廣泛用於在社交網路、語意網路、知識圖表等方面呈現資料結構。

什麼是知識圖表？

知識圖表是以圖形方式呈現真實世界知識，其中：

• 節點代表人員、地點、產品等實體。

• 邊緣代表語意關係。例如，工作地點、部分等等。

知識圖表可增強語意搜尋、建議系統及問答應用程式。

為何要將 Oracle Autonomous Database 與 PGQL 搭配使用？

Oracle 提供完全受管理的環境來儲存及查詢特性圖表：

• PGQL 與 SQL 類似，專為查詢複雜的圖表樣式而設計。

• Oracle Autonomous Database 允許使用特性圖表功能 (包括建立、查詢和視覺化) 以原生方式執行圖表查詢。

• 與 LLM 整合可自動從非結構化資料 (例如 PDF) 擷取圖表結構。

與其他圖表查詢語言比較

Oracle Autonomous Database 與 PGQL 相較於傳統圖形資料庫的優點

目標

• 使用 Oracle Autonomous Database 和 PGQL 建立知識圖表。

必備條件

• 安裝 Python version 3.10 或更新版本和 Oracle Cloud Infrastructure 命令行介面 (OCI CLI)。

作業 1：安裝 Python 套裝軟體

Python 程式碼需要使用特定程式庫來使用 Oracle Cloud Infrastructure (OCI) Generative AI。執行下列指令以安裝必要的 Python 套裝軟體。您可以從此處下載檔案：requirements.txt 。

pip install -r requirements.txt

工作 2：建立 Oracle Database 23ai (永遠免費)

在這項任務中，我們將瞭解如何以永遠免費模式佈建 Oracle Database 23ai。此版本提供完全受管理的環境，適用於開發、測試和學習，無須額外付費。

1. 登入 OCI 主控台，導覽至 Oracle Database Autonomous Database ，然後按一下建立 Autonomous Database 執行處理。

2. 請輸入下列資訊。

   • 資料庫名稱：輸入執行處理的識別名稱。
   • 工作負載類型：根據您的需求選取資料倉儲或交易處理。
   • 區間： 選取適當的區間以組織您的資源。

3. 選取永遠免費，確定已免費佈建此執行處理。

4. 為 ADMIN 使用者建立安全密碼，此密碼將用於存取資料庫。

5. 複查設定值，然後按一下建立 Autonomous Database 。等待幾分鐘的時間，讓執行處理可佈建並可供使用。

如果您不熟悉連線至 Oracle Autonomous Database 的程序，請依照這些連結瞭解並正確設定您的程式碼。

• 下載資料庫連線資訊

• Python 中的連線資料庫

注意：您必須使用 Wallet 方法，連線到 Python 程式碼內的資料庫。

工作 3：下載和瞭解程式碼

Graph 非常常見的使用案例是將其作為與 LLM 和知識庫 (例如 PDF 檔案) 一起運作的其中一個元件。

我們將使用此教學課程：使用 OCI Generative AI 以自然語言分析 PDF 文件作為我們的基礎，使用所有提及的元件。但就本文件而言，我們將聚焦於將 Oracle Database 23ai 與 Graph 搭配使用。基本上，基本材料中的 Python 程式碼 (main.py) 只會在使用 Oracle Database 23ai 的部分中修改。

這些是在此服務上執行的處理作業：

• 建立圖形結構。

• 使用 LLM 擷取實體與關係。

• 將資料插入 Oracle。

• 建立屬性圖。

請從以下網址下載與 Oracle Database 23ai 相容的更新 Python 圖表程式碼：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.")
  

  • 圖形綱要是使用 CREATE PROPERTY GRAPH、連結 ENTITIES (頂點) 和 RELATIONS (邊緣) 建立的。

  • 只有在實體不存在時，才使用 MERGE INTO 來插入新實體 (確保其唯一性)。

  • LLM (Oracle Generative AI) 用於擷取 Entity1 -[RELATION]-> Entity2. 格式的三倍

  • 所有與 Oracle 的互動都是透過 oracledb 和 PL/SQL 匿名區塊來完成。

  現在您可以：

  • 使用 PGQL 探索及查詢圖表關係。

  • 連線至 Graph Studio 以進行視覺化。

  • 透過 API REST 或 LangChain 代理程式公開圖表。

• 圖表查詢支援功能

  在知識圖表上啟用語意搜尋與推理的兩個基本函數：extract_graph_keywords 與 query_knowledge_graph。這些元件可讓您使用 Oracle Autonomous Database 上的 PGQL，將問題解譯成有意義的圖表查詢。

  • 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 ""
    

    用途：

    • 使用 LLM (llm_for_rag) 將自然語言問題轉換為適用於圖形的關鍵字清單。

    • 提示的設計是要完全擷取與搜尋圖形相關的實體和術語。

    為何重要：

    • 它可銜接非結構化問題與結構化查詢之間的差距。

    • 確保在 PGQL 查詢中僅使用特定的網域相關詞彙進行比對。

    LLM 增強的行為：

    • 中斷複合技術術語。

    • 移除停用詞 (例如什麼、如何等等)。

    • 以小寫與去除重複的字詞標準化文字。

    範例：

    • 輸入:

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

    • 輸出關鍵字：

      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()
    

    用途：

    • 接受以關鍵字為基礎的字串 (通常由 extract_graph_keywords 產生)，並建構 PGQL 查詢以從知識圖表擷取關係。

    主要機制：

    • GRAPH_TABLE 子句使用 MATCH 將圖表從來源周遊至目標節點。

    • 它使用 CONTAINS() 來允許節點 / 邊緣屬性 (e1.name、e2.name、r.RELATION_TYPE) 中的部分與模糊搜尋。

    • 將結果限制為 20，以避免淹水輸出。

    為何要使用 PGQL：

    • PGQL 與 SQL 類似，但專為圖表周遊而設計。

    • Oracle Autonomous Database 支援屬性圖形，可實現關聯式與圖形世界之間的無縫整合。

    • 提供符合企業級需求的索引、最佳化和原生圖表搜尋功能。

    Oracle 特定備註：

    • GRAPH_TABLE() 對 Oracle PGQL 而言是唯一的，可查詢透過關聯式表格定義的圖形邏輯檢視。

    • 與 Cypher (Neo4j) 不同，PGQL 會使用 SQL 擴充功能在結構化資料上執行，讓它在 RDBMS 重型環境中更為友善。

任務 4：執行聊天機器人

執行以下命令以執行聊天機器人。

python main.py

相關連結

• 使用 OCI Generative AI 以自然語言分析 PDF 文件

• Oracle Graph 學習路徑

• 館別圖表的圖形開發人員指南

• Oracle Database 23ai 中的屬性圖形入門

• 下載資料庫連線資訊

• 使用錢包 (mTLS) 連接 Python 應用程式

確認

• 作者 - Cristiano Hoshikawa (團隊解決方案工程師 Oracle LAD A)

其他學習資源

在 docs.oracle.com/learn 上探索其他實驗室，或在 Oracle Learning YouTube 頻道上存取更多免費學習內容。此外，請造訪 education.oracle.com/learning-explorer 以成為 Oracle Learning Explorer。

如需產品文件，請造訪 Oracle Help Center 。

---

標題與著作權資訊

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

G38840-02

Copyright ©2025, Oracle and/or its affiliates.