SAP HANA Cloud Knowledge Graph Engine

SAP HANA Cloud Knowledge Graph 是 SAP HANA Cloud 数据库中集成的完整知识图谱解决方案。

SAP HANA Cloud Knowledge Graph 是 SAP HANA Cloud 数据库中集成的完整知识图谱解决方案。

设置与安装

您必须拥有已启用 triple store 功能的 SAP HANA Cloud 实例。 对于详细操作步骤，请参考：Enable Triple Store

要使用 SAP HANA 知识图谱引擎与 LangChain 结合，请安装 langchain-hana 包：

pip install langchain_hana

首先，创建与您的 SAP HANA Cloud 实例的连接。

import os

from dotenv import load_dotenv
from hdbcli import dbapi

# Load environment variables if needed
load_dotenv()

# Establish connection to SAP HANA Cloud
connection = dbapi.connect(
    address=os.environ.get("HANA_DB_ADDRESS"),
    port=os.environ.get("HANA_DB_PORT"),
    user=os.environ.get("HANA_DB_USER"),
    password=os.environ.get("HANA_DB_PASSWORD")
)

然后，导入 HanaRdfGraph 类

from langchain_hana import HanaRdfGraph

创建 HanaRdfGraph 实例

构造函数需要以下参数：

• connection: 一个活跃的 hdbcli.dbapi.connect(...) 实例
• graph_uri: 您的 RDF 数据所在的命名图（或 "DEFAULT"）
• 任选以下之一：
  1. ontology_query: 用于提取模式三元组的 SPARQL CONSTRUCT 查询
  2. ontology_uri: 托管本体图 URI
  3. ontology_local_file + ontology_local_file_format: 本地 Turtle/RDF 文件
  4. auto_extract_ontology=True（不推荐用于生产环境——见注）

graph_uri vs. Ontology

• graph_uri: 您 SAP HANA Cloud 实例中包含实例数据（有时超过 100k 个三元组）的命名图。 如果提供 None、"" 或 "DEFAULT"，则使用默认图。
• Ontology: 描述类、属性、域、范围、标签、注释和子类关系的精简模式（通常 50-100 个三元组）。本体指导 SPARQL 生成和结果解析。

使用 DEFAULT 图创建实例

关于 DEFAULT 图的更多信息，请参考 DEFAULT Graph and Named Graphs。

graph = HanaRdfGraph(
    connection=connection,
    auto_extract_ontology=True,
)

# graph = HanaRdfGraph(
#     connection=connection,
#     graph_uri="DEFAULT",
#     auto_extract_ontology=True,
# )

# graph = HanaRdfGraph(
#     connection=connection,
#     graph_uri="",
#     auto_extract_ontology=True,
# )

使用 graph_uri 创建实例

graph = HanaRdfGraph(
    connection=connection,
    graph_uri="http://example.org/movies",
    auto_extract_ontology=True,
)

使用远程 ontology_uri 创建实例

从托管图 URI 加载模式。

graph = HanaRdfGraph(
    connection=connection,
    ontology_uri="<your_ontology_graph_uri>",
)

使用自定义 ontology_query 创建实例

使用自定义 CONSTRUCT 查询选择性提取模式三元组。

ontology_query = """
    PREFIX owl: <http://www.w3.org/2002/07/owl#>
    PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
    PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
    PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>
    CONSTRUCT {?cls rdf:type owl:Class . ?cls rdfs:label ?clsLabel . ?rel rdf:type ?propertyType . ?rel rdfs:label ?relLabel . ?rel rdfs:domain ?domain . ?rel rdfs:range ?range .}
    FROM <kgdocu_movies>
    WHERE { # get properties
        {SELECT DISTINCT ?domain ?rel ?relLabel ?propertyType ?range
        WHERE {
            ?subj ?rel ?obj .
            ?subj a ?domain .
            OPTIONAL{?obj a ?rangeClass .}
            FILTER(?rel != rdf:type)
            BIND(IF(isIRI(?obj) = true, owl:ObjectProperty, owl:DatatypeProperty) AS ?propertyType)
            BIND(COALESCE(?rangeClass, DATATYPE(?obj)) AS ?range)
            BIND(STR(?rel) AS ?uriStr)       # Convert URI to string
            BIND(REPLACE(?uriStr, "^.*[/#]", "") AS ?relLabel)
        }}
        UNION { # get classes
            SELECT DISTINCT ?cls ?clsLabel
            WHERE {
                ?instance a/rdfs:subClassOf* ?cls .
                FILTER (isIRI(?cls)) .
                BIND(STR(?cls) AS ?uriStr)       # Convert URI to string
                BIND(REPLACE(?uriStr, "^.*[/#]", "") AS ?clsLabel)
            }
        }
    }
"""

# can provide the graph_uri param as well if needed
graph = HanaRdfGraph(
    connection=connection,
    ontology_query=ontology_query,
)

使用本地 RDF 文件创建实例

(ontology_local_file + ontology_local_file_format): 从本地 RDF 本体文件加载模式。

支持的 RDF 格式包括 Turtle、RDF/XML、JSON-LD、N-Triples、Notation-3、Trig、Trix、N-Quads。

graph = HanaRdfGraph(
    connection=connection,
    ontology_local_file="<your_ontology_file_path>", # e.g., "ontology.ttl"
    ontology_local_file_format="<your_ontology_file_format>",  # e.g., "Turtle", "RDF/XML", "JSON-LD", "N-Triples", "Notation-3", "Trig", "Trix", "N-Quads"
)

自动提取本体

(auto_extract_ontology=True): 从实例数据直接推导本体信息。

graph = HanaRdfGraph(
    connection=connection,
    graph_uri="<your_graph_uri>",
    auto_extract_ontology=True,
)

注意: 自动提取不推荐用于生产环境——它通常会遗漏 rdfs:label、rdfs:comment 和 rdfs:subClassOf 等重要三元组。

执行 SPARQL 查询

您可以使用 query() 方法执行任意 SPARQL 查询（SELECT、ASK、CONSTRUCT 等）。

该函数具有以下参数：

• query: SPARQL 查询字符串
• content_type: 输出格式（默认 CSV）

请使用以下字符串对应相应格式：

• CSV: "sparql-results+xml"
• JSON: "sparql-results+json"
• XML: "sparql-results+csv"
• TSV: "sparql-results+tsv"

注意: CONSTRUCT 和 ASK 查询分别返回 turtle 和 boolean 格式。

让我们向 Puppets 图插入数据。

cursor = connection.cursor()
try:
    result = cursor.callproc(
        "SYS.SPARQL_EXECUTE", (
        """
        INSERT DATA {
        GRAPH <Puppets> {
            <P1> a <Puppet>; <name> "Ernie"; <show> "Sesame Street".
            <P2> a <Puppet>; <name> "Bert"; <show> "Sesame Street" .
            }
        }
        """, "", "?", "?"
        )
    )
    response = result[2]
except dbapi.Error as db_error:
    raise RuntimeError(
        f'The database query failed: '
        f'{db_error.errortext.split("; Server Connection")[0]}'
    )
finally:
    cursor.close()

然后，我们为 Puppets 图创建实例。

puppets_graph = HanaRdfGraph(
    connection=connection,
    graph_uri="Puppets",
    auto_extract_ontology=True,
)

给定的查询列出 Puppets 图中的所有三元组。

query = """
SELECT ?s ?p ?o
WHERE {
    GRAPH <Puppets> {
        ?s ?p ?o .
    }
}
ORDER BY ?s
"""

result = puppets_graph.query(query)
print(result)

s,p,o
P1,name,Ernie
P1,show,Sesame Street
P1,http://www.w3.org/1999/02/22-rdf-syntax-ns#type,Puppet
P2,name,Bert
P2,show,Sesame Street
P2,http://www.w3.org/1999/02/22-rdf-syntax-ns#type,Puppet

---

官方原文：src/oss/python/integrations/graphs/sap_hana_rdf_graph.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。