家族关系图谱推理仿真实验

知识图谱 BFS推理关系推断

🏠 返回首页 🧪 实验列表 🧬 算法实验室

1原始数据

2添加数据

3建立关系

4关系解读

5实验总结

💡 实验情景：欢迎来到家族关系图谱推理实验！你将扮演 AI 工程师，用知识图谱技术构建一个家族关系推理系统。

📋 第一步：认识原始家族数据

🎯 学习目标：理解知识图谱中「实体-关系-实体」的三元组数据结构，掌握用结构化数据描述家族成员的基本方法。

下面是一个家族的原始数据。知识图谱中，每个成员是一个「实体」，成员之间的关系是「边」。AI 通过分析这些关系来进行推理。

👥 家族成员（节点/实体）

ID	姓名	性别	年龄	角色描述

🔗 家族关系（边/关系）

主体	关系	客体	关系类型

🤖 AI 知识点：知识图谱（Knowledge Graph）

知识图谱用 (主体, 关系, 客体) 三元组表示知识。例如 (张建国, 父亲, 张伟) 表示"张建国的儿子是张伟"。 AI 通过图搜索算法（如 BFS 广度优先搜索）在知识图谱中推理间接关系。

✏️ 第二步：自主添加家族成员

🎯 学习目标：掌握向知识图谱中添加新实体（节点）的方法，理解数据结构如何扩展，培养数据建模意识。

现在你可以添加自己的家族成员了！填写以下信息，将新的「实体」添加到知识图谱中。 建议至少添加 3-4 个成员，以便后续建立丰富的关系。

📝 添加新成员

姓名 *

性别 *

年龄

📊 当前图谱统计

实体节点

关系边

姓名	性别	年龄	操作

🔗 第三步：建立家族关系

🎯 学习目标：理解知识图谱中「边」的概念，学会定义实体间的关系，掌握中国家族称谓体系。

选择两个成员，为他们建立家族关系。关系分为基本关系（父子、母子、配偶、兄弟、姐妹）和扩展关系（祖孙、叔侄等）。 AI 会自动从基本关系推导扩展关系。

🔧 建立新关系

主体（从谁出发）

关系类型

客体（指向谁）

📋 已建立的关系

🤖 AI 推理机制

AI 将「父亲」「母亲」「配偶」作为核心关系，通过图搜索自动推导出「爷爷」「舅舅」「表兄弟」等所有扩展关系。这就是知识图谱推理（Knowledge Graph Reasoning）。

🤖 第四步：AI 关系智能解读

🎯 学习目标：观察 AI 如何通过 BFS 广度优先搜索算法，在知识图谱中自动推导出完整的家族关系网络。

选择一个成员，AI 将自动分析知识图谱，推导出该成员与所有其他成员的关系。这是 AI 关系推理的核心能力——从不完整的直接关系中推导出完整的间接关系。

选择一个成员进行关系解读：

👆 请先选择一个成员，AI 将自动分析...

🗺️ 家族关系网络图谱

💡 图谱实时反映当前家族关系网络结构

🔍 AI 技术：BFS 广度优先搜索

AI 从起始节点出发，像涟漪一样一层层向外探索，记录到达每个节点的路径。路径中的关系组合在一起，就能推断出最终的亲属称谓。例如：
张建国 → [父亲] → 张伟 → [父亲] → 张小明 → 推导为「爷爷」

📝 第五步：实验总结与知识检测

🎯 学习目标：回顾本实验的核心知识点，通过练习题检验对知识图谱、BFS搜索和家族关系推理的理解程度。

📚 核心知识点回顾

🔷 知识点1：知识图谱

知识图谱使用（主体, 关系, 客体）三元组表示知识。
每个家族成员是一个实体（节点），成员间的关系是边。

🔷 知识点2：BFS广度优先搜索

BFS从起点出发，逐层向外探索，找到到达目标节点的最短路径。路径组合即亲属关系推导。

🔷 知识点3：知识推理

AI 通过组合多条关系边，自动推导间接关系。
例如：父亲+父亲=爷爷，这是知识图谱推理的核心能力。

🔷 知识点4：自然语言理解

NLU技术解析中文问句，提取实体和查询意图，结合图谱搜索给出精确答案。

🗺️ 最终家族关系网络图谱

男性实体女性实体 ── 父子/母子关系 - - 配偶关系 ── 兄弟/姐妹关系

💡 拖动节点可调整位置 | 滚轮缩放 | 点击节点高亮关系