AI知识图谱智能问答系统简介
随着人工智能技术的快速发展，知识图谱和大语言模型在智能问答领域展现出巨大潜力。设计并实现了一套融合大语言模型（LLM）、知识图谱（Knowledge Graph）和检索增强生成（RAG）三大核心技术的通用领域智能问答系统。系统采用Neo4j图数据库存储知识三元组，ChromaDB向量数据库存储文档嵌入向量，通过查询扩展和多路召回融合算法（RRF），为用户提供精准、可溯源的智能问答服务。本文详细阐述了系统的整体架构设计、核心算法实现、数据库模型设计以及前后端技术方案，并通过功能测试验证了系统的可用性和有效性。
相关技术简介
Neo4j图谱构建，实体关系识别，智能问答，知识图谱推荐算法，知识图谱展示。
Python语言Flask框架编写后端Web Service服务。
Vue编写前端，ElementPlus组件库，NodeJS运行前端页面服务。
Ollama运行本地AI大模型。
MySQL后端数据库服务，数据持久化。
核心特性
智能问答：基于知识图谱的精准问答，答案可追溯到具体知识节点。
知识图谱可视化：交互式图谱展示，支持节点搜索、关系深度切换与关系探索。
文档自动解析：支持 PDF、TXT 、Word格式文档的自动知识抽取。
三元组提取：自动从文档中提取实体和关系，构建知识三元组。
文件夹管理：支持创建文件夹、拖拽移动文档、批量删除。
RBAC权限管理模型：完整的角色权限系统，支持动态菜单配置。
多服务状态监控：实时监控 API、Neo4j、LLM 服务状态。
系统演示
