【Use Cases】10. 使用LlamaCloud和Neo4J构建知识图谱

发布时间：2026/10/30 9:50:41
【Use Cases】10. 使用LlamaCloud和Neo4J构建知识图谱

1. 案例目标

本案例展示了如何使用LlamaCloud套件和Neo4j构建知识图谱，将非结构化的法律文档转换为结构化的知识表示。通过结合LlamaParse、LlamaClassify和LlamaExtract等工具，实现从原始文档到可查询知识图谱的完整流程。

主要目标包括：

  • 使用LlamaClassify对合同进行分类（联盟协议或品牌合作协议）
  • 利用LlamaExtract从不同类型的合同中提取相关属性
  • 将所有结构化信息存储到Neo4j知识图谱中
  • 创建一个端到端的工作流程，实现文档处理的自动化

2. 技术栈与核心依赖

LlamaIndex

LlamaCloud Services

Neo4j

OpenAI

Pydantic

Async Programming

核心依赖库：

llama-index-workflows llama-cloud-services jsonschema openai neo4j llama-index-llms-openai

LlamaCloud服务组件：

  • LlamaParse：用于解析PDF文档
  • LlamaClassify：用于文档分类（目前处于测试阶段）
  • LlamaExtract：用于从文档中提取结构化信息

3. 环境配置

API密钥配置

os.environ["LLAMA_CLOUD_API_KEY"] = "your-llama-api-key" os.environ["OPENAI_API_KEY"] = "your-openai-api-key"

Neo4j数据库配置

db_url = "your-db-url" username = "neo4j" password = "your-password" neo4j_driver = AsyncGraphDatabase.driver( db_url, auth=(username, password), )

推荐使用免费的Aura数据库实例进行设置。

4. 案例实现

4.1 数据准备

从Cuad数据集下载示例PDF合同文档：

!wget https://raw.githubusercontent.com/tomasonjo/blog-datasets/main/CybergyHoldingsInc_Affliate%20Agreement.pdf

4.2 文档解析

使用LlamaParse解析PDF文档：

parser = LlamaParse(parse_mode="parse_page_without_llm") pdf_path = "CybergyHoldingsInc_Affliate Agreement.pdf" results = await parser.aparse(pdf_path)

4.3 合同分类

定义分类规则并使用LlamaClassify对合同进行分类：

rules = [ ClassifierRule( type="Affiliate Agreements", description="This is a contract that outlines an affiliate agreement", ), ClassifierRule( type="Co Branding", description="This is a contract that outlines a co-branding deal/agreement", ), ] classifier = ClassifyClient( client=AsyncLlamaCloud( base_url="https://api.cloud.llamaindex.ai", token=os.environ["LLAMA_CLOUD_API_KEY"], ) ) result = await classifier.aclassify_file_path( rules=rules, file_input_path="/content/CybergyHoldingsInc_Affliate Agreement.pdf", )

4.4 信息提取

为不同类型的合同定义Pydantic模型，并使用LlamaExtract提取结构化信息：

class BaseContract(BaseModel): """Base contract class with common fields.""" parties: Optional[List[Party]] = Field(None, description="All contracting parties") agreement_date: Optional[str] = Field(None, description="Contract signing date. Use YYYY-MM-DD") effective_date: Optional[str] = Field(None, description="When contract becomes effective. Use YYYY-MM-DD") # ... 其他字段 class AffiliateAgreement(BaseContract): """Affiliate Agreement extraction.""" exclusivity: Optional[str] = Field(None, description="Exclusive territory or market rights") non_compete: Optional[str] = Field(None, description="Non-compete restrictions") # ... 其他特定字段 # 根据分类结果选择相应的提取模式 extractor = LlamaExtract() agent = extractor.create_agent( name=f"extraction_workflow_import_{uuid.uuid4()}", data_schema=mapping[classification.type], config=ExtractConfig(extraction_mode=ExtractMode.BALANCED), ) result = await agent.aextract( files=SourceText( text_content=" ".join([el.text for el in results.pages]), filename=pdf_path, ), )

4.5 知识图谱构建

将提取的结构化信息导入Neo4j知识图谱：

import_query = """ WITH $contract AS contract MERGE (c:Contract {path: $path}) SET c += apoc.map.clean(contract, ["parties", "agreement_date", "effective_date", "expiration_date"], []) // Cast to date SET c.agreement_date = date(contract.agreement_date), c.effective_date = date(contract.effective_date), c.expiration_date = date(contract.expiration_date) // Create parties with their locations WITH c, contract UNWIND coalesce(contract.parties, []) AS party MERGE (p:Party {name: party.name}) MERGE (c)-[:HAS_PARTY]->(p) // Create location nodes and link to parties WITH p, party WHERE party.location IS NOT NULL MERGE (p)-[:HAS_LOCATION]->(l:Location) SET l += party.location """ response = await neo4j_driver.execute_query( import_query, contract=result.data, path=pdf_path )

4.6 工作流程整合

使用LlamaIndex Workflow API将所有步骤整合为一个端到端的工作流程：

class KnowledgeGraphBuilder(Workflow): def __init__( self, classifier: ClassifyClient, rules: List[ClassifierRule], affiliate_extract_agent: LlamaExtract, cobranding_extract_agent: LlamaExtract, **kwargs, ): super().__init__(**kwargs) self.classifier = classifier self.rules = rules self.affiliate_extract_agent = affiliate_extract_agent self.cobranding_extract_agent = cobranding_extract_agent @step async def classify_contract( self, ctx: Context, ev: StartEvent ) -> ExtractAffiliate | ExtractCoBranding | StopEvent: result = await self.classifier.aclassify_file_path( rules=self.rules, file_input_path=ev.pdf_path ) contract_type = result.items[0].result.type print(contract_type) if contract_type == "affiliate_agreements": return ExtractAffiliate(file_path=ev.pdf_path) elif contract_type == "co_branding": return ExtractCoBranding(file_path=ev.pdf_path) else: return StopEvent() # ... 其他步骤方法 # 运行工作流程 knowledge_graph_builder = KnowledgeGraphBuilder( classifier=classifier, rules=rules, affiliate_extract_agent=affiliate_extraction_agent, cobranding_extract_agent=cobranding_extraction_agent, timeout=None, verbose=True, ) response = await knowledge_graph_builder.run( pdf_path="CybergyHoldingsInc_Affliate Agreement.pdf" )

5. 案例效果

该案例实现了从原始PDF文档到结构化知识图谱的完整转换流程，具体效果包括：

  • 成功解析PDF合同文档，提取文本内容
  • 准确识别合同类型（联盟协议或品牌合作协议）
  • 根据合同类型提取相应的结构化信息，包括合同方、日期、条款等
  • 在Neo4j中构建包含合同、合同方和位置节点的知识图谱
  • 建立节点之间的关系，如合同与合同方的关联、合同方与位置的关联
  • 通过工作流程实现整个处理流程的自动化

提取的示例数据包括：

  • 合同方信息：Birch First Global Investments Inc.和Mount Knowledge Holdings Inc.
  • 合同日期：2014年5月8日
  • 管辖法律：内华达州
  • 收入分享：根据年度购买水平提供15%-25%的购买折扣
  • 最低承诺：前六个月内购买至少100个单位

6. 案例实现思路

本案例的实现思路遵循了典型的知识图谱构建流程，将非结构化文档转换为结构化知识表示：

6.1 数据处理流程

  1. 文档解析：使用LlamaParse将PDF文档转换为可处理的文本内容
  2. 文档分类：利用LlamaClassify识别文档类型，为后续提取提供上下文
  3. 信息提取：根据文档类型使用相应的Pydantic模型提取结构化信息
  4. 知识图谱构建：将提取的信息转换为Neo4j中的节点和关系

6.2 技术架构

案例采用分层架构设计：

  • 数据层：PDF文档作为原始数据源
  • 处理层：LlamaCloud服务提供解析、分类和提取功能
  • 存储层：Neo4j作为知识图谱存储和查询引擎
  • 流程层：LlamaIndex Workflow API整合各组件为端到端流程

6.3 关键设计决策

  • 异步编程：全面采用异步编程模式提高处理效率
  • 类型安全：使用Pydantic模型确保数据提取的结构化和类型安全
  • 模块化设计：将不同功能分离为独立组件，提高可维护性
  • 动态模式选择：根据文档分类结果动态选择相应的提取模式

7. 扩展建议

1. 扩展文档类型支持

添加更多合同类型的分类规则和提取模式，如保密协议(NDA)、服务协议(SLA)、采购协议等。

2. 增强关系提取

除了提取实体属性外，进一步提取实体间的关系，如公司间的投资关系、人员任职关系等。

3. 集成向量检索

将知识图谱与向量检索结合，实现基于语义相似度和图结构的混合检索。

4. 添加时间维度

增强对合同时间相关信息的处理，如有效期、续约条件、里程碑事件等。

5. 实现问答系统

基于构建的知识图谱开发智能问答系统，支持自然语言查询合同信息。

6. 可视化界面

开发Web界面，支持文档上传、处理进度跟踪和知识图谱可视化。

7. 批量处理能力

优化系统以支持大规模文档批量处理，提高处理效率和可扩展性。

8. 总结

本案例展示了如何利用LlamaCloud服务和Neo4j构建知识图谱的完整流程，实现了从非结构化文档到结构化知识表示的转换。通过结合LlamaParse、LlamaClassify和LlamaExtract等工具，以及LlamaIndex Workflow API，创建了一个端到端的文档处理工作流程。

该案例的价值在于：

  • 提供了一种将法律文档转换为可查询知识图谱的实用方法
  • 展示了LlamaCloud套件各组件的协同工作方式
  • 演示了如何使用工作流API整合多个处理步骤
  • 为构建基于知识图谱的智能应用提供了基础

这种方法可以扩展到其他领域，如医疗记录分析、科研论文处理、技术文档管理等，为各种非结构化文档的智能化处理提供了参考框架。