知识图谱抽取教程（下）：网络指标、主题板块与追问系统

上篇讲了一张图怎样从文本中建立起来。下篇回答图能推出什么：整体结构上材料有多紧凑、是否连成一片、围绕谁组织；局部位置上谁是中心、谁是桥梁、谁自成一派；语义层面上某个关系在材料里究竟怎么说。前四层来自社会网络分析（Social Network Analysis），第五层来自检索增强生成。TATOOLS 在无向简单图上计算全部网络指标，每项附解读句与推荐文献，并为每份材料建立可追问的索引。

网络指标的标准参考是 Wasserman 与 Faust 1994 年的教材；中心性框架来自 Freeman；社区划分来自 Newman 的模块度与 Traag 等人的 Leiden 算法。下文逐层展开，每层给出定义、公式、可手算的示例与报告中的位置。

密度是实际边数占所有可能边数的比例，回答材料有多紧凑。平均度是每个实体平均连几条边，回答实体是否反复出现在不同陈述里。聚类系数是一个实体的邻居之间也互相连接的比例，回答实体是否抱团成小圈子；Watts 与 Strogatz 1998 年用它刻画小世界网络。

示例：20 个实体、28 条边，D = 56 ÷ 380 = 14.7%，k = 2.8。若某实体有 4 个邻居，邻居之间有 2 条边，它的局部聚类系数为 2 ÷ 6 = 0.33；全图聚类系数取各实体局部值的平均。

密度随规模缩小：实体越多，可能的边数按平方增长，实际边数按线性增长。比较不同规模的图时用平均度，不用密度。TATOOLS 的【网络结构指标】卡直接给出三项数值，解读句按文本抽取网络的常见区间写成：密度 0.5% 至 5% 为常见区间，平均度高于 2 表示多数实体不止出现在一条陈述里，聚类系数高于密度的 3 倍表示实体倾向抱团。

连通分量（Connected Component）是彼此可达的最大实体集合；最大分量（Giant Component）的占比说明材料是否讲的是一件事。平均路径长度 L 是最大分量内任意两实体最短路径的平均步数；直径 d 是最远两实体的步数。

示例：20 个实体分成 3 个分量，最大分量 16 个，占 80%；分量内 L = 2.4、d = 5，意味着多数实体之间只隔两步，最远的也不过五步。

TATOOLS 在【网络结构指标】给出分量数、最大分量实体数与孤立实体数，L 与 d 在最大分量上计算。【这份结果说明了什么】卡据此写出材料是一张完整网络还是分成几个子域，并给出孤立实体的数量与占比。

deg(v) 是 v 的连接度；d(v,u) 是 v 到 u 的最短距离；σ_st 是 s 到 t 的最短路径条数，σ_st(v) 是其中经过 v 的条数。Freeman 在 1979 年把三者统一为一套框架，各自回答不同的问题。

示例：星形网络的中心点 C_D = 1，其余各点 C_D = 1 ÷ (n−1)。两个团体之间唯一的连接点，度中心性可能很低，中介中心性却最高，它就是材料里的桥梁人物；在政策网络里，这常是同时出现在多个部门文件中的协调机构。

TATOOLS 为三种中心性各设一个标签页，列出前 10 个实体。接近中心性采用 Wasserman–Faust 修正处理不连通图：以可达实体数占比加权，使不同分量的实体可以比较。中介中心性在最大连通分量上归一化；实体超过 2,000 个时改用抽样近似，方法说明会注明本次是否抽样。导出的 centrality 表包含全部实体的三种中心性。

中心势（Centralization）把节点层面的中心性推广为整张图的一个数，回答材料是围绕少数行动者组织，还是多中心并立。Freeman 公式以度中心势为例：

取值 0 到 1：0 表示所有实体连接度相同，1 表示一个实体连接其余全部、而其余实体互不相连。

示例：5 个实体的星形，中心连接度 4，其余各 1，分子 (4−1)×4 = 12，分母 4×3 = 12，C = 1。5 个实体的环，人人连接度 2，C = 0。

TATOOLS 在每种中心性下各给一行中心势。【这份结果说明了什么】卡以度中心势 0.4 为参照：达到 0.4 写围绕少数实体集中，否则写由多实体共同支撑。

社区发现（Community Detection）在网络里找出内部连接紧密、彼此连接稀疏的板块。模块度 Q（Modularity）衡量一种划分的好坏：

A_ij 是实体 i、j 之间的边权，k 是连接度，δ 在两者同板块时为 1。Q 比较板块内的实际边数与随机连接的预期边数，越高板块越分明。Leiden 算法是 Louvain 的改进，保证每个板块内部连通，同一张图重复计算得到相同划分。

TATOOLS 在无向加权图上用 Leiden 划分【主题板块】，按实体数从大到小编号；实体数达到 3 个的板块依据其核心实体、代表关系与证据自动生成不超过 8 个字的板块名和一段摘要，不足 3 个的归入【零散实体】。板块在力导图上以色块条呈现，点击一个板块只保留它的实体与内部关系，再点一次恢复全图，选中后显示摘要和核心实体。页面以 Q = 0.4 为参照：高于它可把板块当作材料的议题结构来写，低于它把板块当作粗略分组线索。

知识图谱是有向图，从一个实体沿箭头连续走下去得到一条有向路径（Directed Path）；k 跳路径揭示 k 步之外的间接关系。最短路径（Shortest Path）回答两个实体之间最少经过几步、经过谁。

示例：教育部 →印发→ 双减政策 →要求→ 校外培训机构 →登记→ 主管部门，是一条 3 跳推理链。【教育部】与【主管部门】在原文里从未同句出现，图上却有了一条可逐跳核对的线索。

【实体关系速查】只查询已经建好的图，即时返回，不消耗算力。最短路径不区分方向，最多找 5 跳；找不到时提示两者可能属于不同子域。推理链是一条有向路径，每一跳都对应一条带证据的三元组，可逐跳回到原文。

【知识图谱深度分析】卡按有向多重图计算，四个方块分别是网络密度、平均连接度、知识子域和关系类型。右上角的【综合评分】由五个 0 至 100 的分数加权得到：

五个维度描述图的形状：边够不够多、连成一片还是几片、谓词种类多不多、顺着箭头能走多远、有多少实体没有关系。它是一张图的结构画像，关系是否成立仍以证据为准。

报告中还有三段自动生成的文字，都以图谱摘要为输入。【工作提纲】按框架命名，例如【文献综述提纲】【政策分析提纲】，依据连接度最高的实体与关系写 4 至 6 个小节。【要点速览】位于【实体关系速查】卡底部，列出 6 至 8 条问答并附适用场景。【图谱质量诊断】围绕实体覆盖度、关系粒度、连通性与改写建议展开。三段文字中的每个判断都能对回【关系三元组】表中的某条关系。

检索增强生成（Retrieval-Augmented Generation，RAG）先从材料中检索相关段落，再只依据这些段落作答，每句结论都能指回出处。图增强检索（GraphRAG）进一步把图谱里的三元组作为已知事实一并交给回答环节。TATOOLS 的【向这份材料提问】把两者结合。

索引在任务完成时建立，分三层：

语义向量（Embedding）把一句话映射为高维空间中的一个点，意思相近的句子距离相近，因此换一种说法也能找到对应段落。倒排索引则保证只要问题点到实体名，它所在的段落一定被取到。

索引只建一次，随任务保存。手动合并生成新版本时，实体表按合并结果重映射，追问在新版本上继续可用。

材料里没有的信息会直接说明没有；每次提问相互独立，问题里不用它、这个之类的指代。回答与编号出处并排显示，点编号即回到原文段。追问对任务创建者开放，要求任务已完成并在完成时建好索引；对话历史按版本保存。

手动合并生成的新版本只做数据变换：名称替换、平行边合并、【统计概要】与【网络结构指标】重算、追问索引重映射，不重新抽取，原版本保留。新版本的【聚类合并详情】注明来自上一版手动合并的组数，新版本仍可继续合并，形成版本链。

论文写法：从【网络结构指标】卡取实体数、边数、密度、平均度、聚类系数、连通分量、三种中心性与模块度，并写明口径：无向简单图、边权为证据条数、密度不计边权、接近中心性经 Wasserman–Faust 修正、中介中心性在最大分量上归一化并注明是否抽样。实体与关系由模型辅助抽取，方法部分说明所用框架类目。

TATOOLS 的【方法说明与推荐引用】为每项指标给出推荐文献和平台引用句式，一键复制进方法部分；导出的 citations 表包含大语言模型辅助抽取的披露参考。

打开 TATOOLS 的知识图谱，在【上传文档】放入材料，选择【抽取框架】，调整【分块大小】和【聚类优化】，再点【提交任务】。下图是当前任务页的入口与设置区。这里继续使用街道意象成因研究公开实例，实例当时选择【通用知识图谱】、6000 字符分块和【聚类优化】。

知识图谱任务页的功能介绍与上传文档入口

知识图谱任务页的抽取框架、分块大小、聚类优化与提交入口

实例报告抽取出 179 个实体与 104 条关系。打开【网络结构指标】可见网络密度 0.65%、平均度 1.16、聚类系数 0.025、模块度 Q 为 0.565，连通分量为 104 个，最大的分量含 69 个实体。这里的密度按无向简单图计算，104 条并边相对于 179 个实体之间所有可能的连接，占 0.65%。剔除 100 个孤立实体后，报告另列出 3.38% 的密度；两者使用的实体集合不同。

街道意象成因研究实例的网络结构指标与实体连接度排名

下方【度中心性】表把实体按直接连接数排序。截图中的首项是 Nanluoguxiang；它的归一化度中心性为 0.124。若要在论文中报告网络结构，可从这张卡取实体数、关系数和指标口径，并到【关系三元组】核对涉及的原文证据。报告顶部有【下载原始数据】入口。