要将 Haystack 与知识图谱结合使用，您可以将结构化的图数据集成到 Haystack 的文档检索和问答管道中。 Haystack 旨在处理非结构化文本（如文档），但可以通过将图实体和关系转换为与 Haystack 组件兼容的格式来扩展，以利用知识图谱。例如，您可以从 Neo4j 或 Amazon Neptune 等图数据库中提取实体及其连接，将它们格式化为带有元数据的文本文档，并在 Haystack 的文档存储（例如 Elasticsearch 或 FAISS）中建立索引。这允许 Haystack 的检索器组件在查询处理期间搜索非结构化文本和结构化图派生数据。
一个实际的方法是创建一个自定义的检索器或预处理器，在处理用户查询时查询知识图谱以获取相关的实体或关系。例如，如果用户问“埃隆·马斯克创立了哪些项目？”，Haystack 管道可以首先查询知识图谱以检索诸如“特斯拉”和“SpaceX”之类的实体及其相关的元数据。然后可以将这些结果与来自文章或报告语料库的传统文档检索相结合。通过使用 Haystack 的管道框架，您可以协调此过程，确保最终的答案生成器（如语言模型）接收到文本上下文和结构化图数据，以生成准确的答案。
对于实施，首先将知识图谱的子集导出为结构化文档。图中的每个节点（实体）都可以成为一个 Haystack 文档，其中包含诸如 name、type 和 relationships 之类的字段，而边（关系）可以存储为元数据。 SPARQL（对于 RDF 图）或 Cypher（对于 Neo4j）之类的工具可以帮助提取此数据。然后，根据需要使用 Haystack 的 PreProcessor 来拆分或丰富数据。查询时，使用 Haystack 的 JoinDocuments 或 TransformersQueryClassifier 将基于向量的检索器（用于语义相似性）与基于关键词的检索器（用于精确的图实体匹配）相结合，以合并结果。这种混合方法确保系统可以从知识图谱的精确性和非结构化文本检索的灵活性中受益。