SI_KG_2026_PlanningLaw/dofile/graphrag_pipeline/docs/ARCHITECTURE.md

系统架构文档

整体架构

本系统采用模块化设计，参考GraphRAG的实现思路，实现法规知识图谱的构建、分析和查询。

核心模块说明

1. 文本预处理模块 (src/preprocessing/)

职责：处理法规文档，为知识抽取做准备

• TextProcessor: 使用HanLP进行中文文本处理

  • 分词（粗粒度/细粒度）
  • 依存句法分析
  • 句法成分分析
  • 词性标注
  • 省略检测
  • 共指消解候选提取

• DocumentParser: 解析Word文档

  • .docx文件解析
  • 章节结构识别
  • TextUnit切分（参考GraphRAG）

2. 本体模型模块 (src/ontology/)

职责：定义知识图谱的语义结构

• EntityType: 9种实体类型枚举
• RelationType: 8种关系类型枚举
• OntologySchema: 三维本体结构管理
  • 法规层级维度
  • 要素类型维度
  • 关联关系维度
  • 四要素架构（目标—原则—要素—管控）

3. Prompt模板模块 (src/prompts/)

职责：构建统一的Prompt模板系统

• PromptTemplate: 统一模板框架

  • 任务描述模块
  • 候选目标模块
  • 任务示例模块（少样本学习）
  • 任务强调模块
  • 二次对话模块

• NERPromptBuilder: NER任务Prompt构建

• REPromptBuilder: RE任务Prompt构建

4. 知识抽取模块 (src/extraction/)

职责：从文本中提取结构化知识

• NERExtractor: 命名实体识别

  • 使用Qwen-Max模型
  • 两阶段对话验证
  • JSON格式输出

• REExtractor: 关系抽取

  • 多模型并行（GPT-4o, Doubao-pro, GLM-4）
  • 二次对话验证
  • 句法信息集成
  • 上下文利用

• TripletEvaluator: 三元组评估

  • LLM-as-a-Judge方法
  • 成对排序
  • 五维度评分（语义准确性、一致性、事实性、准确性、可理解性）
  • 低质量三元组筛选

• EntityRelationClassifier: 实体关系分类

  • RAG-based分类（使用向量检索）
  • Prompt-based分类
  • 粗粒度和细粒度分类

5. 知识图谱构建模块 (src/kg_builder/)

职责：构建和管理知识图谱（参考GraphRAG）

• GraphIndexer: 图谱索引器

  • 文本切分为TextUnit
  • 实体和关系提取
  • 图构建
  • 社区检测（Leiden算法）
  • 社区摘要生成

• KnowledgeGraph: 图谱结构管理

  • 基于NetworkX
  • 三元组添加
  • 路径查询
  • 子图提取
  • 保存/加载

6. 分析和推理模块 (src/analysis/)

职责：分析法规体系和识别规律

• LegalStructureExtractor: 法理结构提取

  • 四要素提取（目标、原则、要素、管控）
  • 跨法规引用关系提取
  • 例外条款识别

• LegalReasoner: 逻辑推理

  • 路径查询（多跳关系）
  • 中心性分析
  • 子图分析

• EvolutionAnalyzer: 演化规律识别

  • 时间维度分析
  • 关系演化追踪
  • 网络演化分析

7. 查询系统模块 (src/query/)

职责：知识图谱查询和问答（参考GraphRAG）

• GlobalSearcher: 全局搜索

  • 利用社区摘要
  • 相关性评估
  • 综合答案生成

• LocalSearcher: 局部搜索

  • 实体邻居扩展
  • 深度控制
  • 子图提取

• DriftSearcher: DRIFT搜索

  • 结合局部和全局信息
  • 社区上下文整合
  • 综合答案生成

8. 工具模块 (src/utils/)

职责：提供通用工具函数

• Config: 配置管理

  • 环境变量加载
  • API密钥管理
  • 参数配置

• LLMClient: LLM客户端封装

  • 多提供商支持
  • 统一API接口
  • 异步/同步支持
  • 重试机制

• file_utils: 文件操作工具

数据流

法规文档(.docx)
    ↓
DocumentParser (解析)
    ↓
TextUnit列表
    ↓
TextProcessor (预处理) + NERExtractor (实体识别)
    ↓
实体列表
    ↓
REExtractor (关系抽取) + TextProcessor (句法信息)
    ↓
三元组列表
    ↓
TripletEvaluator (评估筛选)
    ↓
高质量三元组
    ↓
GraphIndexer (图构建)
    ↓
KnowledgeGraph
    ↓
社区检测 + 摘要生成
    ↓
完整知识图谱 + 社区信息
    ↓
Query系统 (查询和问答)

技术栈

• 语言: Python 3.12+
• 包管理: uv
• NLP: HanLP
• 图处理: NetworkX, python-igraph
• LLM: OpenAI, Anthropic, Qwen, Doubao, GLM
• 数据处理: pandas, numpy

参考实现

• GraphRAG: https://msdocs.cn/graphrag/
• 论文方法: officefile/paper.tex