python_136的博客

我们可以用一张图和一个著名的​​三元组 (Triple)​​ 模型来总结：​(头实体，关系，尾实体)或(实体，属性，属性值)。​​•​​事实型知识​​（实体间关系）:(刘德华， 演唱了， 《冰雨》)•​​描述型知识​​（实体自身属性）:(刘德华， 国籍， 中国)graph LRA[刘德华] -- 演唱了 --> B[《冰雨》]A -- 国籍 --> C(中国)A -- 标签是 --> D[歌手]A -- 标签是 --> E[演员]B -- 标签是 --> F[音乐作品]

函数的核心作用是：在图数据库中，根据输入的节点列表（文本），搜索与之相似的节点，并获取这些相似节点的所有入站关系（其他节点指向它）和出站关系（它指向其他节点），同时支持按条件过滤（如用户 ID、代理 ID 等）。假设场景：一个电商知识图谱，图中节点标签为 “Product”（），节点有（名称）、（向量）、（所属用户）等属性，关系包括 “属于”“在售卖”“购买了” 等。构建过滤条件： 因为有，所以会变成，用于限制只匹配的节点。节点向量转换： 调用，将 “苹果手机” 转换为向量（例如）。执行 Cypher