1. 实验数据知识图谱导论

实验数据是科研与工程活动中最原始、最昂贵、也最难复用的资产之一。它通常来自传感器、测控设备、仿真软件、人工记录表或自动化实验平台，形态上可能是时序波形、图像、光谱、点云、日志、参数配置或结构化表格。与业务系统里规整的事务数据不同，实验数据天然带有"多源、异构、高维、强上下文"的特征：同一批试样在不同设备上采集，量纲、采样率、坐标系、标定方式都可能不同；一次实验的结论往往依赖温度、湿度、批次、操作者、设备状态等大量旁支信息。这些特征决定了实验数据很难仅靠文件目录和文件名管理，更难被机器自动理解。

由此带来的挑战可以归纳为四类。第一是语义缺失：文件里只有数值，没有说明"这一列是应变还是位移""单位是微应变还是毫米"。第二是关联断裂：试样、设备、工况、结果分散在不同系统，彼此之间没有显式连接，想回答"哪些实验在同类工况下出现过异常"只能靠人工翻找。第三是口径不一：不同课题组对同一物理量使用不同命名和单位，跨项目比较时先要做大量清洗。第四是溯源困难：一个结论经过多轮处理、拟合、筛选后，很难回溯到原始采集记录和当时的参数设置。这四类问题叠加，使实验数据的复用成本远高于采集成本。

知识图谱的核心概念

知识图谱用"实体—关系—属性"的方式描述世界。实体是客观对象，如某根试样、某台试验机、某次实验；关系连接实体，如"试样A 被 实验E 使用""实验E 采集自 设备D"；属性描述实体或关系的特征，如实验时间、采样率、量程。用三元组表示就是 (头实体, 关系, 尾实体)，例如 (试样A, 参与, 实验E)。当大量三元组被组织成图结构后，就可以用图查询语言（如 Cypher）做多跳推理：从一根试样出发，找到它参与的所有实验，再找到这些实验使用的设备，再找到同设备上的其他实验，从而发现潜在的批次性偏差。

与关系数据库相比，知识图谱的优势在于模式灵活和关系优先。实验数据的模式经常变化，新增一类传感器就要加字段，关系库需要改表结构，而图库只需新增节点类型和关系类型。此外，图结构天然适合表达"路径"类问题，例如从异常结果反向追溯到原始采集通道，这在关系库中往往需要多次 JOIN，而在图中就是一条路径。

关联工程的定义与价值

关联工程（Association Engineering）指的是围绕实验数据，系统性地建立、维护和使用实体间关联关系的一整套方法与实践。它不只是"建一个图数据库"，而是包含四个层次的工作：数据接入（把多源数据统一采集进来）、实体识别与对齐（判断两个记录是否指向同一对象）、关系抽取与建模（定义并填充关系）、关联服务（对外提供查询、推理和可视化能力）。关联工程的价值在于把"数据孤岛"变成"可导航的数据网络"：研究者可以沿着关系路径快速定位相关实验，系统可以基于关联做一致性校验，管理者可以基于关联评估数据资产覆盖度。

课程整体学习路径与实战项目

本课程共30章，按"概念—建模—实现—应用"推进。前几章建立实验数据特点、知识图谱基础和关联工程定义；中间部分进入实操，包括数据接入与清洗、实体识别、关系抽取、图模式设计、Cypher 查询、图数据库选型与部署；后段聚焦应用，包括关联推理、异常溯源、可视化、与实验管理系统的集成，以及一个贯穿全程的实战项目。

实战项目设定为"材料力学实验数据关联平台"。示例场景如下：某实验室有 3 台万能试验机、约 200 根试样、累计 1500 次拉伸实验，数据包括力—位移曲线 CSV、试样基本信息表、设备校准记录和实验日志。项目目标是建立知识图谱，使得输入一个试样编号，能返回其全部实验、对应设备、同批次试样以及异常实验列表。示例参数可设为：采样率 50 Hz，力传感器量程 100 kN，位移量程 50 mm，数据文件按"日期_设备号_试样号.csv"命名。这些均为教学示例设定，用于说明建模与查询过程，不代表真实实测结果。

围绕这个项目，课程会逐步展开具体实现。例如在实体识别环节，试样编号可能同时出现在 CSV 文件名、试样信息表和实验日志中，需要定义统一的命名规范并处理大小写、空格、前缀差异；在关系抽取环节，"同批次"关系可以由试样信息表中的批次号直接生成，"采集自"关系可以由文件名中的设备号解析得到；在查询环节，可以用 Cypher 表达"找出设备 D1 上所有力峰值超过 80 kN 的实验及其试样"。这些操作都会在后续章节中给出可执行的示例。