web

企业知识图谱实践

第 29 章 · 知识图谱

企业里的知识图谱往往不是「一张图打天下」，而是多种形态并存：主数据图统一客户、产品、组织等实体与关系；文档知识图从合同、制度、手册中抽取实体与关系；领域本体承载行业概念、规则与标准。要把 KG 从概念验证（POC）推到生产，离不开团队、流程与治理；而证明投入值得，则需要清晰的ROI 与度量。本章把企业 KG 的典型形态、从 POC 到生产的路径、以及 ROI 与度量讲清楚。

一、企业知识图谱的典型形态

主数据型 KG（Master Data KG）：以主数据管理（MDM）为核心，将企业内的客户、供应商、产品、组织、地点等核心实体及其关系建模为图。实体来自各业务系统的清洗与对齐，关系包括「归属」「负责」「供应」等。主数据图支撑统一检索、主数据服务、与 BI/推荐等下游的一致引用。

文档知识型 KG（Document Knowledge KG）：从非结构化或半结构化文档（合同、制度、手册、工单）中抽取实体、关系与事件，构建「文档—实体—关系」图。支持合同条款检索、制度合规检查、智能问答与知识沉淀。抽取依赖 NER、关系抽取与实体链接，常与领域词典或小本体结合。

领域本体型 KG（Domain Ontology KG）：以领域概念、分类与规则为主，描述「什么是产品类型、什么是合规条款」等语义。可与主数据图、文档知识图结合：本体提供 schema 与约束，实例数据填入图中。适用于强监管行业（金融、医疗、法律）的标准与规则表达。

Master Data KG

Customer, product, org; MDM alignment; unified reference for BI and apps.

Document Knowledge KG

From contracts, policies, manuals; NER/RE/EL; search, QA, compliance.

Domain Ontology KG

Concepts, taxonomy, rules; schema and constraints; regulated domains.

企业 KG 三种形态：主数据图、文档知识图、领域本体；可独立或融合

二、从 POC 到生产：团队、流程与治理

团队：企业 KG 项目通常需要领域专家（定义概念、校验质量）、数据工程师（ETL、对齐、存储）、算法/NLP（抽取、链接、嵌入）、平台/后端（API、图库、运维）。可设 KG 或数据智能团队牵头，与业务方、主数据、合规协同。

流程：从 POC 到生产的典型阶段包括——需求与场景（明确业务目标与成功标准）；建模与本体（实体类型、关系、属性与约束）；数据接入与抽取（主数据清洗、文档抽取）；融合与质量（对齐、去重、真值发现、质量门禁）；存储与发布（图库、API、权限）；应用接入与迭代（搜索、推荐、问答上线后持续监控与迭代）。

治理：数据治理——谁可以增删改哪些实体与关系、审批流程；质量治理——覆盖率、准确率、新鲜度指标与告警；元数据与血缘——来源、加工步骤、使用方；合规与安全——敏感字段脱敏、访问审计、合规规则检查。

从 POC 到生产：流程阶段（需求→建模→抽取→融合→存储→发布）；团队与治理

三、ROI 与度量

论证企业 KG 的ROI需要把投入（人力、平台、数据）与业务产出挂钩。业务指标：若 KG 支撑搜索，可看点击率、首条满足率、搜索到转化；若支撑推荐，看 CTR、转化、多样性；若支撑问答，看答对率、端到端满意度；若支撑合规，看规则覆盖、人工复核量下降。选择与业务方共识的 1～3 个核心指标，在 POC 与上线后做对比。

数据与系统指标：覆盖率——关键实体/关系覆盖比例；准确率与新鲜度——抽样评估、数据更新时间；可用性——API 与图库 SLA、故障恢复。这些指标支撑「图是否健康」的判断，是业务效果的基础。

实践中可先定「北极星指标」（如搜索首条满足率），再拆解为数据质量与系统指标；用 A/B 或前后对比量化 KG 上线带来的提升，并定期复盘以调整优先级与资源。

ROI 与度量小结

Business: search CTR, recommendation conversion, QA accuracy, compliance coverage. Data: coverage, accuracy, freshness. System: availability, latency. Tie KG rollout to before/after or A/B metrics.

ROI 与度量：业务指标（搜索/推荐/问答/合规）与数据/系统指标（覆盖、质量、SLA）

一句话： 企业 KG 常见三种形态：主数据图（MDM、统一实体）、文档知识图（从文档抽取、搜索与合规）、领域本体（概念与规则、强监管）。从 POC 到生产需团队（领域、数据、算法、平台）、流程（需求→建模→抽取→融合→存储→发布→迭代）、治理（质量、权限、血缘、合规）。ROI 与度量：业务指标（搜索/推荐/问答/合规效果）与数据/系统指标（覆盖、准确、新鲜、可用性），用前后对比或 A/B 论证价值。

实践： 为一个小型「企业 KG」场景（如部门主数据 + 一份制度文档）做一次迷你路线图：定义 3～5 个实体类型与关系、列出 2 个目标应用（如检索、问答）、写出 1 个业务指标与 1 个数据质量指标，并勾画从当前到「可上线」的 3 个阶段。

四、小结

企业 KG 有主数据图、文档知识图、领域本体等典型形态，可单独或融合使用。从 POC 到生产依赖团队协作、清晰流程与数据治理；ROI 与度量用业务指标与数据/系统指标论证价值并驱动迭代。下一章讲知识图谱与 NLP 的融合：预训练模型与 KG 的联合、信息抽取流水线中的 KG、文本与图的多模态表示。