Knowledge Graph Question Answering (KGQA)

1. 解决的问题

构建了产品知识图谱后，如何让非技术人员（运营、客服、业务方）用自然语言查询它？

2. 核心算法逻辑

核心问题：构建了产品知识图谱后，如何让非技术人员（运营、客服、业务方）用自然语言查询它？KGQA把"图谱查询"从SPARQL/Cypher简化为人话。

3. 业务应用场景

业务问题：客服每天回答重复问题："这款奶粉含DHA吗？"、"3段和2段有什么区别？"、"这款吸奶器适合背奶妈妈吗？"——答案都在知识图谱里，但客服需要手动查。

2. 用户提问："爱他美3段含有哪些成分？"

3. KGQA处理： - 实体链接：`爱他美3段` - 关系预测：`contains` - 子图检索：`(爱他美3段, contains, ?)` - 答案生成：`"爱他美3段含有DHA、益生菌、GOS/FOS益生元组合"`

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• ROI：客服效率提升3-5倍，知识查询等待从分钟级降到秒级
• 难度：⭐⭐⭐☆☆（3/5）— 简单模式匹配易实现，复杂推理需要LLM
• 优先级：⭐⭐⭐⭐☆（4/5）— 知识图谱的"最后一公里"，让业务方真正用上图谱

7. 代码模板

代码块数量：3 · 路径：未检测到

"""
Knowledge Graph Question Answering (KGQA) — 知识图谱问答
支持：实体链接、关系预测、子图检索、答案生成
"""

import re
from typing import List, Dict, Tuple, Optional
from collections import defaultdict


class SimpleKGQA:
    """简化版KGQA系统"""

    def __init__(self):
        self.kg = {}  # {entity: {relation: [target_entities]}}
        self.entity_aliases = {}  # {alias: canonical_name}
        self.relation_patterns = {
            'contains': r'含有什么|成分|包含|有什么',
            'suitable_for': r'适合谁|适用|几岁|多大',
            'brand': r'什么品牌|牌子|哪个品牌',
            'price': r'多少钱|价格|售价',
            'compare': r'区别|差异|对比|和.*有什么',
        }

    def add_fact(self, head: str, relation: str, tail: str):
        """添加知识图谱三元组"""
        if head not in self.kg:
            self.kg[head] = defaultdict(list)
        self.kg[head][relation].append(tail)

    def add_alias(self, alias: str, canonical: str):
        """添加实体别名"""
        self.entity_aliases[alias.lower()] = canonical

    def _link_entity(self, question: str) -> Optional[str]:
        """实体链接：从问题中找提到的实体"""
        question_lower = question.lower()

        # 先匹配别名
        for alias, canonical in self.entity_aliases.items():
            if alias in question_lower:
                return canonical

        # 再匹配主实体名
        for entity in self.kg.keys():
            if entity.lower() in question_lower:
                return entity

        return None

    def _predict_relation(self, question: str) -> Optional[str]:
        """关系预测：判断用户问的是什么关系"""
        for relation, pattern in self.relation_patterns.items():
            if re.search(pattern, question.lower()):
                return relation

        # 默认：如果问题含"是""吗"，可能是属性查询
        if '是' in question or '吗' in question:
            return 'contains'

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。