知识图谱智能问答系统

项目简介

一个基于知识图谱的智能问答系统，支持文物知识查询、图像识别和预测分析。该系统利用Neo4j图数据库存储文物相关知识，结合自然语言处理和计算机视觉技术，为用户提供智能化的文物信息服务。

技术栈

• 后端: Python 3.11+, Flask, Neo4j
• 前端: Vue 3, Element Plus, Vite
• 数据库: Neo4j 图数据库
• AI模型: YOLO (目标检测), ONNX (模型推理)
• 其他: OpenAI API, Tavily API

系统要求

• 操作系统: Windows / Ubuntu 系统
• 硬件要求: 支持CPU模式运行，可选华为昇腾NPU加速
• 数据库: Neo4j 图数据库 5.0+
• Python: 3.11+
• Node.js: 16+
• Conda: 4.10+ (推荐)

环境配置

1. 后端环境配置

# 创建conda环境
conda env create -f backend/environment.yml

# 激活环境
conda activate rag_env

# 安装额外依赖
pip install -r requirements.txt

2. 前端环境配置

# 进入前端目录
cd frontend

# 安装依赖
npm install

3. 环境变量配置

在 backend/.env 文件中配置以下环境变量：

# OpenAI API配置
OPENAI_API_KEY=your_openai_api_key
OPENAI_API_BASE=your_openai_api_base (可选)

# Tavily API配置
TAVILY_API_KEY=your_tavily_api_key

# Neo4j数据库配置
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=your_neo4j_password

运行步骤

1. 启动Neo4j数据库

# 启动Neo4j服务
# Windows: 打开Neo4j Desktop并启动数据库
# Ubuntu: sudo systemctl start neo4j

# 访问 http://localhost:7474 进行数据库配置
# 默认用户名: neo4j
# 首次登录需要设置新密码

2. 导入数据

# 运行数据导入脚本
python import_neo4j.py

3. 启动后端服务

# 进入后端目录
cd backend

# 启动Flask应用
python app_new.py

后端服务将在 http://localhost:5000 启动

4. 启动前端服务

# 进入前端目录
cd frontend

# 启动开发服务器
npm run dev

前端服务将在 http://localhost:5173 启动

项目结构

knowledge-graph-qa-system/
├── backend/                 # 后端服务
│   ├── app_new.py          # Flask主应用
│   ├── environment.yml     # Conda环境配置
│   ├── models/             # 数据模型
│   ├── routes/             # API路由
│   ├── services/           # 业务逻辑
│   ├── utils/              # 工具函数
│   └── instance/           # 实例文件
├── frontend/               # 前端Vue应用
│   ├── src/
│   │   ├── components/     # Vue组件
│   │   ├── views/          # 页面视图
│   │   ├── router/         # 路由配置
│   │   └── stores/         # 状态管理
│   └── package.json        # 前端依赖
├── data/                   # 数据文件
│   └── artifacts/          # 知识图谱数据
├── import_neo4j.py         # Neo4j数据导入脚本
├── requirements.txt        # Python依赖
└── README.md               # 项目说明

主要功能

• 知识图谱查询: 基于Neo4j的图数据库查询，支持复杂关系检索
• 智能问答: 支持自然语言问答，结合RAG技术提供准确回答
• 图像识别: 基于YOLO模型的文物识别，支持多种文物类型
• 用户管理: 用户注册、登录、权限管理
• 数据可视化: 知识图谱可视化展示，直观呈现文物关系
• 文物估值: 基于历史数据的文物价值评估

API文档

后端API端点

• GET /api/health - 健康检查
• POST /api/users/login - 用户登录
• POST /api/users/register - 用户注册
• GET /api/artifacts - 获取文物列表
• GET /api/artifacts/:id - 获取文物详情
• POST /api/qa - 智能问答
• POST /predict - 图像识别预测
• POST /api/valuation - 文物估值

注意事项

1. 首次运行：需要先启动Neo4j数据库并执行数据导入脚本
2. 环境变量：确保正确配置 backend/.env 文件中的API密钥
3. 依赖安装：前端和后端依赖都需要安装
4. 服务启动顺序：Neo4j → 后端 → 前端
5. 硬件加速：如使用华为昇腾NPU，请确保安装了相应驱动
6. 性能优化：对于大规模数据，建议配置适当的Neo4j内存设置

故障排除

常见问题

1. Neo4j连接失败：检查Neo4j服务是否启动，连接信息是否正确
2. API密钥错误：确保 .env 文件中的API密钥有效
3. 依赖安装失败：尝试使用 pip install --upgrade pip 后重新安装
4. 端口占用：确保5000和5173端口未被占用

日志查看

• 后端日志：后端服务控制台输出
• 前端日志：前端服务控制台输出
• Neo4j日志：Neo4j安装目录下的logs文件夹

访问地址

• 前端界面: http://localhost:5173
• 后端API: http://localhost:5000
• Neo4j数据库: http://localhost:7474

贡献指南

1. Fork本仓库
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开Pull Request

许可证

本项目采用MIT许可证 - 详见 LICENSE 文件