DataMate/docs/knowledge-graph/schema/relationships.md

DataMate 知识图谱 - 核心关系定义

Schema 版本：1.0.0 更新日期：2026-02-17

概述

DataMate 知识图谱定义了 10 类核心关系，覆盖数据血缘、任务编排、组织归属和知识溯源四大场景。

所有关系在 Neo4j 中统一使用 RELATED_TO 关系类型，通过 relation_type 属性区分语义类型。每个关系都包含以下公共属性：

公共属性	类型	必填	说明
id	String (UUID)	是	关系唯一标识符
relation_type	String	是	语义关系类型（见下文各类型定义）
graph_id	String (UUID)	是	所属图谱 ID
weight	Double	否	关系权重 0.0-1.0（默认 1.0）
confidence	Double	否	置信度 0.0-1.0（同步数据默认 1.0，抽取数据由模型评分）
source_id	String	否	来源记录 ID
properties_json	String	否	扩展属性 JSON
created_at	LocalDateTime	是	创建时间

关系方向约定

所有关系均为有向关系。方向表示语义上的"主动方 → 被动方"关系：

• (A)-[:RELATED_TO {relation_type: 'HAS_FIELD'}]->(B) 表示 A 拥有 B
• 查询时应注意方向，反向查询需要使用 <-[]- 语法

---

1. HAS_FIELD（包含字段）

方向：Dataset → Field

表示数据集包含某个字段/列。这是数据血缘分析的基础关系，支撑字段级影响评估。

关系属性

属性	类型	必填	说明
ordinal	Integer	否	字段在数据集中的位置（从 0 开始）
required	Boolean	否	是否为必填字段

约束

• 源实体类型必须为 Dataset
• 目标实体类型必须为 Field
• 同一 Dataset → Field 对不应重复

Cypher 示例

// 创建 HAS_FIELD 关系
MATCH (d:Entity {id: $datasetId, graph_id: $graphId})
MATCH (f:Entity {id: $fieldId, graph_id: $graphId})
CREATE (d)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'HAS_FIELD',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  source_id: '',
  properties_json: '{"ordinal": 0, "required": true}',
  created_at: datetime()
}]->(f)

// 查询数据集的所有字段
MATCH (d:Entity {id: $datasetId, graph_id: $graphId})
      -[r:RELATED_TO {relation_type: 'HAS_FIELD', graph_id: $graphId}]->
      (f:Entity {graph_id: $graphId})
RETURN f ORDER BY r.properties_json

业务场景

• 查看数据集包含哪些字段
• 字段搜索：找到包含 user_id 字段的所有数据集
• Schema 对比：比较两个数据集的字段差异

---

2. DERIVED_FROM（派生自）

方向：Dataset → Dataset

表示数据集之间的血缘关系：目标数据集是源数据集经过某种处理后派生出来的。涵盖数据清洗、数据合成、版本迭代等场景。

关系属性

属性	类型	必填	说明
derivation_type	String	是	派生类型：CLEANING（清洗）/ SYNTHESIS（合成）/ SPLIT（拆分）/ MERGE（合并）/ VERSION（版本迭代）
job_id	String	否	产生该派生关系的作业 ID
transformation	String	否	转换描述（如"去重 + 格式标准化"）

约束

• 源实体和目标实体类型均为 Dataset
• 不允许自引用（源 ≠ 目标）
• 建议检查避免循环依赖

Cypher 示例

// 创建清洗派生关系
MATCH (output:Entity {id: $outputDatasetId, graph_id: $graphId})
MATCH (input:Entity {id: $inputDatasetId, graph_id: $graphId})
CREATE (output)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'DERIVED_FROM',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"derivation_type":"CLEANING","job_id":"d3e4f5a6-...","transformation":"SimHash去重 + 空值过滤"}',
  created_at: datetime()
}]->(input)

// 追踪数据血缘（最多 5 跳）
MATCH path = (d:Entity {id: $datasetId, graph_id: $graphId})
             -[:RELATED_TO *1..5 {relation_type: 'DERIVED_FROM'}]->
             (ancestor:Entity {graph_id: $graphId})
RETURN path

业务场景

• 数据血缘追踪：追溯数据集的来源链路
• 影响分析：当源数据集变更时，哪些下游数据集受影响
• 版本管理：查看数据集的版本演进历史

---

3. USES_DATASET（使用数据集）

方向：Job | LabelTask | Workflow → Dataset

表示作业、标注任务或工作流使用某个数据集作为输入。

关系属性

属性	类型	必填	说明
usage_role	String	否	使用角色：INPUT（输入）/ REFERENCE（参考）/ VALIDATION（验证）

约束

• 源实体类型为 Job、LabelTask 或 Workflow
• 目标实体类型为 Dataset

Cypher 示例

// 创建使用关系
MATCH (j:Entity {id: $jobId, graph_id: $graphId})
MATCH (d:Entity {id: $datasetId, graph_id: $graphId})
CREATE (j)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'USES_DATASET',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"usage_role":"INPUT"}',
  created_at: datetime()
}]->(d)

// 查询数据集被哪些作业使用
MATCH (j:Entity {graph_id: $graphId})
      -[r:RELATED_TO {relation_type: 'USES_DATASET', graph_id: $graphId}]->
      (d:Entity {id: $datasetId, graph_id: $graphId})
RETURN j

业务场景

• 查看数据集的消费者：谁在使用这个数据集
• 评估数据集的重要程度：被多少任务依赖
• 任务输入追溯：任务使用了哪些数据集

---

4. PRODUCES（产出）

方向：Job → Dataset

表示作业执行后产出了一个新的数据集。与 USES_DATASET 相对，构成完整的输入输出链路。

关系属性

属性	类型	必填	说明
output_type	String	否	产出类型：PRIMARY（主输出）/ SECONDARY（副产物，如日志、统计报告）

约束

• 源实体类型为 Job
• 目标实体类型为 Dataset
• 一个 Job 可以产出多个 Dataset（如主输出 + 统计报告）

Cypher 示例

// 创建产出关系
MATCH (j:Entity {id: $jobId, graph_id: $graphId})
MATCH (d:Entity {id: $outputDatasetId, graph_id: $graphId})
CREATE (j)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'PRODUCES',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"output_type":"PRIMARY"}',
  created_at: datetime()
}]->(d)

// 查看作业的完整输入输出
MATCH (input:Entity {graph_id: $graphId})
      <-[:RELATED_TO {relation_type: 'USES_DATASET'}]-
      (j:Entity {id: $jobId, graph_id: $graphId})
      -[:RELATED_TO {relation_type: 'PRODUCES'}]->
      (output:Entity {graph_id: $graphId})
RETURN input, j, output

业务场景

• 端到端血缘：结合 USES_DATASET 查看 Input → Job → Output 完整链路
• 产出追踪：查看作业产出了哪些数据集
• 成本归因：将产出数据集的成本归因到执行作业

---

5. ASSIGNED_TO（分配给）

方向：LabelTask | Job → User

表示任务被分配给某个用户执行。

关系属性

属性	类型	必填	说明
assigned_at	String	否	分配时间（ISO 8601）
role	String	否	分配角色：EXECUTOR（执行者）/ REVIEWER（审核者）/ OWNER（负责人）

约束

• 源实体类型为 LabelTask 或 Job
• 目标实体类型为 User
• 同一任务可分配给多个用户（不同角色）

Cypher 示例

// 创建分配关系
MATCH (t:Entity {id: $taskId, graph_id: $graphId})
MATCH (u:Entity {id: $userId, graph_id: $graphId})
CREATE (t)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'ASSIGNED_TO',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"assigned_at":"2026-02-15T10:00:00","role":"EXECUTOR"}',
  created_at: datetime()
}]->(u)

// 查询用户的所有待办任务
MATCH (t:Entity {graph_id: $graphId})
      -[r:RELATED_TO {relation_type: 'ASSIGNED_TO', graph_id: $graphId}]->
      (u:Entity {id: $userId, graph_id: $graphId})
RETURN t

业务场景

• 工作量分析：查看用户被分配了多少任务
• 任务追踪：查看任务的执行者和审核者
• 人员负载均衡：分析团队内任务分配情况

---

6. BELONGS_TO（归属于）

方向：User → Org 或 Dataset → Org

表示用户属于某个组织，或数据集归属于某个组织。

关系属性

属性	类型	必填	说明
membership_type	String	否	归属类型：PRIMARY（主归属）/ SECONDARY（兼任/共享）
since	String	否	归属起始时间（ISO 8601）

约束

• 源实体类型为 User 或 Dataset
• 目标实体类型为 Org
• User → Org 通常为 1:1（主归属），但允许兼任

Cypher 示例

// 用户归属组织
MATCH (u:Entity {id: $userId, graph_id: $graphId})
MATCH (o:Entity {id: $orgId, graph_id: $graphId})
CREATE (u)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'BELONGS_TO',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"membership_type":"PRIMARY","since":"2025-03-01T00:00:00"}',
  created_at: datetime()
}]->(o)

// 查询组织下的所有数据资产
MATCH (d:Entity {type: 'Dataset', graph_id: $graphId})
      -[:RELATED_TO {relation_type: 'BELONGS_TO', graph_id: $graphId}]->
      (o:Entity {id: $orgId, graph_id: $graphId})
RETURN d

业务场景

• 组织资产看板：查看组织拥有的所有数据集
• 权限继承：基于组织关系推导数据访问权限
• 跨组织协作：发现共享数据集的组织关系

---

7. TRIGGERS（触发）

方向：Workflow → Job

表示工作流触发了一次作业执行。

关系属性

属性	类型	必填	说明
trigger_type	String	否	触发方式：MANUAL（手动）/ SCHEDULED（定时）/ EVENT（事件驱动）
triggered_at	String	否	触发时间（ISO 8601）

约束

• 源实体类型为 Workflow
• 目标实体类型为 Job
• 一个 Workflow 可触发多个 Job（每次执行产生一个）

Cypher 示例

// 创建触发关系
MATCH (w:Entity {id: $workflowId, graph_id: $graphId})
MATCH (j:Entity {id: $jobId, graph_id: $graphId})
CREATE (w)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'TRIGGERS',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"trigger_type":"SCHEDULED","triggered_at":"2026-02-15T10:00:00"}',
  created_at: datetime()
}]->(j)

// 查询工作流的执行历史
MATCH (w:Entity {id: $workflowId, graph_id: $graphId})
      -[r:RELATED_TO {relation_type: 'TRIGGERS', graph_id: $graphId}]->
      (j:Entity {graph_id: $graphId})
RETURN j ORDER BY r.created_at DESC

业务场景

• 执行历史：查看工作流的所有执行记录
• 故障排查：定位工作流最近一次失败的作业
• 运行统计：统计工作流的执行频率和成功率

---

8. DEPENDS_ON（依赖）

方向：Job → Job

表示作业之间的执行依赖关系：源作业的执行依赖于目标作业的完成。

关系属性

属性	类型	必填	说明
dependency_type	String	否	依赖类型：STRICT（强依赖，必须成功）/ SOFT（弱依赖，失败可继续）

约束

• 源实体和目标实体类型均为 Job
• 不允许自引用
• 不允许循环依赖（应用层校验）

Cypher 示例

// 创建依赖关系
MATCH (j1:Entity {id: $jobId, graph_id: $graphId})
MATCH (j2:Entity {id: $dependsOnJobId, graph_id: $graphId})
CREATE (j1)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'DEPENDS_ON',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 1.0,
  properties_json: '{"dependency_type":"STRICT"}',
  created_at: datetime()
}]->(j2)

// 查询作业的完整依赖链
MATCH path = (j:Entity {id: $jobId, graph_id: $graphId})
             -[:RELATED_TO *1..10 {relation_type: 'DEPENDS_ON'}]->
             (dep:Entity {graph_id: $graphId})
RETURN path

业务场景

• DAG 执行调度：确定作业执行顺序
• 失败传播分析：当某个作业失败，哪些下游作业受影响
• 关键路径分析：找到最长依赖链，识别瓶颈

---

9. IMPACTS（影响）

方向：Field → Field

表示字段之间的影响关系：源字段的变更会影响目标字段。这是跨数据集的字段级血缘关系。

关系属性

属性	类型	必填	说明
impact_type	String	否	影响类型：DIRECT（直接映射）/ TRANSFORM（转换派生）/ AGGREGATE（聚合计算）
transformation_rule	String	否	转换规则描述（如"UPPER(source.name)"）
job_id	String	否	建立该影响关系的作业 ID

约束

• 源实体和目标实体类型均为 Field
• 通常跨越不同 Dataset（但同 Dataset 内的字段派生也允许）
• 不允许自引用

Cypher 示例

// 创建字段影响关系
MATCH (f1:Entity {id: $sourceFieldId, graph_id: $graphId})
MATCH (f2:Entity {id: $targetFieldId, graph_id: $graphId})
CREATE (f1)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'IMPACTS',
  graph_id: $graphId,
  weight: 0.8,
  confidence: 0.9,
  properties_json: '{"impact_type":"TRANSFORM","transformation_rule":"TRIM(LOWER(source))","job_id":"d3e4f5a6-..."}',
  created_at: datetime()
}]->(f2)

// 查询字段的影响范围（下游）
MATCH (f:Entity {id: $fieldId, graph_id: $graphId})
      -[:RELATED_TO *1..5 {relation_type: 'IMPACTS'}]->
      (downstream:Entity {graph_id: $graphId})
RETURN downstream

业务场景

• 字段级血缘：追踪字段从源到目标的完整链路
• 影响评估：修改某个字段前，评估下游影响范围
• 数据质量追溯：发现下游字段质量问题时，回溯源头

---

10. SOURCED_FROM（来源于）

方向：KnowledgeSet → Dataset

表示知识集的知识内容来源于某个数据集，是知识溯源的基础关系。

关系属性

属性	类型	必填	说明
extraction_method	String	否	抽取方式：LLM（LLM 抽取）/ RULE（规则抽取）/ MANUAL（人工整理）
extracted_at	String	否	抽取时间（ISO 8601）
item_count	Integer	否	从该数据集抽取的知识条目数

约束

• 源实体类型为 KnowledgeSet
• 目标实体类型为 Dataset
• 一个 KnowledgeSet 可来源于多个 Dataset

Cypher 示例

// 创建来源关系
MATCH (k:Entity {id: $knowledgeSetId, graph_id: $graphId})
MATCH (d:Entity {id: $datasetId, graph_id: $graphId})
CREATE (k)-[r:RELATED_TO {
  id: randomUUID(),
  relation_type: 'SOURCED_FROM',
  graph_id: $graphId,
  weight: 1.0,
  confidence: 0.85,
  properties_json: '{"extraction_method":"LLM","extracted_at":"2026-02-10T14:30:00","item_count":120}',
  created_at: datetime()
}]->(d)

// 查询知识集的所有数据来源
MATCH (k:Entity {id: $knowledgeSetId, graph_id: $graphId})
      -[r:RELATED_TO {relation_type: 'SOURCED_FROM', graph_id: $graphId}]->
      (d:Entity {graph_id: $graphId})
RETURN d, r.properties_json AS extraction_info

业务场景

• 知识溯源：查看知识集基于哪些数据构建
• 数据变更通知：当源数据集更新时，提醒知识集需要刷新
• 知识覆盖分析：查看哪些数据集尚未被纳入知识管理

---

关系类型汇总

关系类型	方向	relation_type 值	核心用途
HAS_FIELD	Dataset → Field	HAS_FIELD	数据集字段结构
DERIVED_FROM	Dataset → Dataset	DERIVED_FROM	数据集级血缘
USES_DATASET	Job/LabelTask/Workflow → Dataset	USES_DATASET	输入依赖
PRODUCES	Job → Dataset	PRODUCES	输出产出
ASSIGNED_TO	LabelTask/Job → User	ASSIGNED_TO	任务分配
BELONGS_TO	User/Dataset → Org	BELONGS_TO	组织归属
TRIGGERS	Workflow → Job	TRIGGERS	流程触发
DEPENDS_ON	Job → Job	DEPENDS_ON	作业依赖
IMPACTS	Field → Field	IMPACTS	字段级血缘
SOURCED_FROM	KnowledgeSet → Dataset	SOURCED_FROM	知识溯源

典型查询模式

1. 端到端数据血缘

// 从最终数据集追溯到原始数据集，经过的所有处理步骤
MATCH path = (final:Entity {id: $datasetId, graph_id: $graphId})
             -[:RELATED_TO *1..10]->
             (origin:Entity {graph_id: $graphId})
WHERE ALL(r IN relationships(path) WHERE r.relation_type IN ['DERIVED_FROM', 'USES_DATASET', 'PRODUCES'])
RETURN path

2. 数据集影响分析

// 查找修改某数据集后，所有受影响的下游实体
MATCH (d:Entity {id: $datasetId, graph_id: $graphId})
      <-[:RELATED_TO {relation_type: 'USES_DATASET'}]-
      (consumer:Entity {graph_id: $graphId})
RETURN consumer.type AS entity_type, consumer.name AS entity_name, consumer.id AS entity_id

3. 用户工作看板

// 查询用户相关的所有实体和关系
MATCH (u:Entity {id: $userId, type: 'User', graph_id: $graphId})
OPTIONAL MATCH (task:Entity)-[:RELATED_TO {relation_type: 'ASSIGNED_TO'}]->(u)
OPTIONAL MATCH (u)-[:RELATED_TO {relation_type: 'BELONGS_TO'}]->(org:Entity)
RETURN u, collect(DISTINCT task) AS tasks, collect(DISTINCT org) AS orgs

扩展说明

• 自定义关系类型：除上述 10 类核心关系外，用户可通过 LLM 抽取或手动创建自定义关系类型。自定义关系使用相同的 RELATED_TO Neo4j 关系类型和公共属性结构，relation_type 字段可为任意字符串。
• 双向关系：所有关系均为单向。如果需要表达双向关系（如"A 和 B 互相影响"），应创建两条方向相反的关系。
• 关系去重：应用层应在创建关系前检查是否已存在相同的（source, target, relation_type）组合，避免重复。