77 lines
2.0 KiB
Markdown
77 lines
2.0 KiB
Markdown
# 空间感知知识图谱设计
|
||
|
||
## 设计结论
|
||
|
||
城市知识图谱不能只存经纬度。new2 的空间能力采用组合方案：
|
||
|
||
```text
|
||
H3 网格索引 + PostGIS 半径过滤 + 路径规划精排 + KG 语义过滤
|
||
```
|
||
|
||
各层职责：
|
||
|
||
| 层 | 方法 | 作用 |
|
||
|---|---|---|
|
||
| 空间组织 | H3 | 把城市切成多分辨率网格，快速召回附近候选 |
|
||
| 空间过滤 | PostGIS | 用 `ST_DWithin` 做圆形半径过滤，用 `ST_Distance` 算直线距离 |
|
||
| 可达距离 | 高德路径规划 / pgRouting | 计算真实步行、驾车、骑行距离与耗时 |
|
||
| 语义推荐 | KG | 结合 Concept、Event、Relation、Evidence 解释为什么推荐 |
|
||
|
||
## 查询流程
|
||
|
||
```text
|
||
用户经纬度 + 查询半径 + 语义意图
|
||
-> 计算用户 H3 cell
|
||
-> 取本 cell + 邻居 cells
|
||
-> 查询候选 Place
|
||
-> PostGIS 过滤圆内 POI
|
||
-> 对 topK 调用路径规划
|
||
-> 图谱语义过滤和排序
|
||
-> 生成可解释回答
|
||
```
|
||
|
||
## 图谱关系
|
||
|
||
```text
|
||
(:Place)-[:IN_CELL {resolution}]->(:GeoCell)
|
||
(:GeoCell)-[:PARENT_CELL]->(:GeoCell)
|
||
(:GeoCell)-[:ADJACENT_TO]->(:GeoCell)
|
||
(:Place)-[:LOCATED_IN]->(:Area)
|
||
(:Place)-[:HAS_CONCEPT]->(:Concept)
|
||
(:Place)-[:HAS_EVENT]->(:Event)
|
||
(:Place)-[:SUPPORTED_BY]->(:Evidence)
|
||
```
|
||
|
||
## 为什么不全量生成 NEAR
|
||
|
||
如果有 50,000 个 POI，两两关系约为：
|
||
|
||
```text
|
||
50,000 * 49,999 / 2 = 1,249,975,000
|
||
```
|
||
|
||
全量 `NEAR` 会导致关系爆炸，而且真实路径距离还会随道路、入口、施工、交通方式变化。正确方式是：
|
||
|
||
```text
|
||
常用推荐场景：缓存高价值 route_metrics
|
||
实时查询场景：H3/PostGIS 先缩小候选，再对 topK 算路径
|
||
```
|
||
|
||
## 旧项目实测结果
|
||
|
||
旧项目 FalkorDB 中有效 Place/POI 为 24,868 个。测试点为 `106.7135, 26.5744`，半径 1km。
|
||
|
||
```text
|
||
全量扫描中位耗时：7.072 ms
|
||
H3 召回 + 距离过滤中位耗时：0.273 ms
|
||
相似度排序中位耗时：0.656 ms
|
||
H3 覆盖率：100%
|
||
加速比：约 25.9 倍
|
||
```
|
||
|
||
详见：
|
||
|
||
- `docs/reports/spatial_retrieval_benchmark_result.md`
|
||
- `docs/reports/spatial_kg_recommendation_evidence.png`
|
||
|