从 0 到 3000 节点: 我用 DeepSeek + NebulaGraph 构建农业知识图谱

摘要

知识图谱作为结构化知识的重要载体，正逐渐成为各领域智能化应用的核心。春节期间，DeepSeek 的横空出世引发了广泛关注。DeepSeek 作为一款强大的语言模型，具备先进的自然语言处理能力，能够从文本中提取关键信息并生成知识图谱的结构。而 NebulaGraph 作为一款高性能的分布式图数据库，能够高效存储和管理大规模图数据。

作为一名图爱好者，让人忍不住想试一试 DeepSeek 在构建知识图谱的能力，并通过一系列实验验证其在知识提取、图谱融合以及无中生有构建图谱方面的表现。实验结果表明，DeepSeek 在知识图谱构建和融合方面表现出色，但也存在一些技术细节需要优化。

开测之前，我们先对整体思路做一个梳理，我们需要确定以下几个问题：

1. 能否通过一篇文章，准确构建知识图谱

2. 能否对不同来源的文章进行知识融合

3. 如果不提供文章，只描述所建图谱的大概内容，能否快速构建图谱

在确定了思路之后，开整。

▌一、顺手牵羊

实验的第一步是通过单篇文章验证 DeepSeek 的知识提取能力。我们选择了一篇关于开源图数据库 NebulaGraph 的文章[1]，并要求 DeepSeek 从文章中提取关键要素，生成 nGQL 代码以构建知识图谱。

你能帮我生成一个知识图谱吗，等一下我会给你一篇文章，帮我从内容中提取关键要素，然后以 nGQL 代码的形式构建知识图谱

在跟 DeepSeek 打好招呼之后，从网上捞一篇文章，这里用的是：如何评价开源图数据库 Nebula Graph？内容直接往上贴，简单粗暴。

# Schema定义（TAG类型）
CREATE TAG IF NOT EXISTS product(name string, description string);
CREATE TAG IF NOT EXISTS company(name string);
CREATE TAG IF NOT EXISTS feature(name string);
CREATE TAG IF NOT EXISTS tool(name string);
CREATE TAG IF NOT EXISTS scenario(name string);
CREATE TAG IF NOT EXISTS language(name string);
CREATE TAG IF NOT EXISTS auth_service(name string);
CREATE TAG IF NOT EXISTS ecosystem(name string);

# Schema定义（EDGE类型）
CREATE EDGE IF NOT EXISTS has_feature();
CREATE EDGE IF NOT EXISTS used_by();
CREATE EDGE IF NOT EXISTS provides_tool();
CREATE EDGE IF NOT EXISTS supports_language();
CREATE EDGE IF NOT EXISTS applicable_scenario();
CREATE EDGE IF NOT EXISTS compatible_with();
CREATE EDGE IF NOT EXISTS supports_auth();
CREATE EDGE IF NOT EXISTS integrates_with();

# 数据插入 - 核心产品
INSERT VERTEX product(name, description) VALUES 
"NebulaGraph":("NebulaGraph", "开源的分布式图数据库，支持千亿点万亿边数据集");

# 数据插入 - 产品特性
INSERT VERTEX feature(name) VALUES
"high_performance":("高性能"),
"open_source":("开源"),
"scalability":("易扩展"),
"flexible_modeling":("灵活数据建模"),
"read_write_balance":("读写平衡"),
"compatibility":("查询语言兼容性");

/* ... 此处省略 n多数据 */

扫了一眼脚本语法上没什么问题，在相同表的写入中，还将多条数据合并到一条语句，效果很好。将得到的脚本执行到数据库中，效果如下：

可以看到以 NebulaGraph 为中心，辐射出了各种紧密相关的事物。

▌二、桃园结义

为了验证 DeepSeek 在知识融合方面的能力，我们提供了另一篇关于 NebulaGraph 的文章，并要求其在现有图谱基础上进行融合。

接下来，我会给你另一篇文章。请尽可能使用现有的表结构，对图谱进行融合。如果涉及到表结构变更，请使用 ALTER 进行表结构的修改

只有一篇文章，看起来有些单调。于是从百度百科中，查了下【NebulaGraph】及图中节点【360】的词条，并将概述部分输入，得到以下回应：

NebulaGraph 词条

-- 结构变更1：为product标签增加版本和时间属性
ALTER TAG product ADD (license string, current_version string, release_date string, last_updated string);

-- 结构变更2：新增开发关系类型
CREATE EDGE IF NOT EXISTS developed_by();

-- 数据更新 - 补充产品属性
INSERT VERTEX product(name, description, license, current_version, release_date, last_updated) VALUES 
"NebulaGraph":("NebulaGraph", "分布式图数据库", "Apache 2.0", "v3.3.0", "2019-05-15", "2022-11-14");

-- 新增开发公司（复用company标签）
INSERT VERTEX company(name) VALUES
"Yueshu":("杭州悦数科技有限公司");

-- 新增特性（复用feature标签）
INSERT VERTEX feature(name) VALUES
"acl_mechanism":("ACL机制"),
"linear_scaling":("线性扩容"),
"data_recovery":("数据恢复"),
"htap":("HTAP混合负载"),
"nGQL_language":("nGQL查询语言");

-- 关系建立（复用已有关系类型）
INSERT EDGE has_feature() VALUES
"NebulaGraph"->"acl_mechanism":(),
"NebulaGraph"->"linear_scaling":(),
"NebulaGraph"->"data_recovery":(),
"NebulaGraph"->"htap":(),
"NebulaGraph"->"nGQL_language":();

-- 新增开发关系
INSERT EDGE developed_by() VALUES
"NebulaGraph"->"Yueshu":();

360 词条

# 结构变更1：为company标签增加创始人、成立时间和收入属性
ALTER TAG company ADD (founder string, founded_date string, revenue double);

# 结构变更2：新增事件类型TAG
CREATE TAG IF NOT EXISTS event(type string, date string, amount double, details string);

# 数据更新 - 补充360公司信息
INSERT VERTEX company(name, founder, founded_date, revenue) VALUES 
"360":("奇虎360", "周鸿祎", "2005-09", 116.15);

# 数据插入 - 产品生态（复用product标签）
INSERT VERTEX product(name) VALUES
"360_Security_Guard":("360安全卫士"),
"360_Browser":("360安全浏览器"),
"360_Cloud":("360安全云");

# 数据插入 - 重大事件（使用新增event标签）
INSERT VERTEX event(type, date, amount, details) VALUES
"acquisition_360.com":("域名收购", "2015-02-04", 1700.0, "1.1亿人民币收购360.com"),
"privatization":("私有化", "2015-12", 9300.0, "93亿美元私有化交易");

# 关系建立 - 复用developed_by边连接产品
INSERT EDGE developed_by() VALUES
"360_Security_Guard"->"360":(),
"360_Browser"->"360":(),
"360_Cloud"->"360":();

# 新增事件关联（复用has_feature边表达事件关联）
INSERT EDGE has_feature() VALUES
"360"->"acquisition_360.com":(),
"360"->"privatization":();

# 复用used_by边表达合作伙伴关系
INSERT VERTEX company(name) VALUES
"Internet_Society_China":("中国互联网协会");

INSERT EDGE used_by() VALUES
"360"->"Internet_Society_China":();

从脚本上看，在当前步骤中，product 表、company 表的字段不够用，DeepSeek 也遵照了我们的指令，在原有基础上做了表结构的修改。有点缺陷的是注释符 -- 不符合语法结构，手动批量替换成 #。

同样执行到数据库中，效果如图：

在以上两步的试验中，基本上确定了 DeepSeek 在图谱生成及知识融合方面已经能够做到很不错的效果。整体输出效率提高但也有花时间的点：服务太火爆，服务器无法响应的问题；另一个花时间的是，schema 是异步生效，两个层次的脚本执行之间，需要有一段等待。

▌三、无中生有

在没有具体文章的情况下，我们要求 DeepSeek 根据给定的主题（农业）生成知识图谱。此时新开了一个对话，也新开了一个图空间。当前任务主要是空手套白狼，啥文章都不给。生成的代码基本上都差不多就不贴了，一会儿直接看效果。

我想要构建一个农业相关的知识图谱。用的数据库是 NebulaGraph，请帮我生成 nGQL 脚本。表名用大驼峰，属性名用小驼峰。为了规避使用到关键字导致语法错误，schema 的名称需要使用``进行包裹。至少需要生成 3000 个节点。

这边碰到的问题是，一次生成 3000 个节点，他拒绝了我的请求，并丢给了我一段 python 导入 csv 的代码。其中这次依然产生了注释符出错的问题，于是单独把这个问题单独拎出来说，

注释需要使用 #，另外我不希望提供出 python 代码，现在也不要求 3000 个节点了。给我 50 个节点的全部 ngql 脚本

果然有问题不憋着，整个人都神清气爽。

#=======================================
# 创建图空间
#=======================================
CREATE SPACE `Agriculture` (vid_type = FIXED_STRING(32));
USE `Agriculture`;

#=======================================
# 定义标签 Schema（大驼峰命名）
#=======================================
CREATE TAG IF NOT EXISTS `Crop` (
  `cropId` int,
  `cropName` string,
  `growthPeriod` int,
  `suitableTemp` string,
  `yieldPerMu` float
);


/* 此处省略好多脚本 */