
ナレッジグラフをRAGの参照元に──Neo4j Auraを使った検索体験
RAG(Retrieval-Augmented Generation)の参照先として、ナレッジグラフが再評価されています。今回は、無料で試せる Neo4j Aura を用いて、簡単なナレッジグラフを構築し、検索の動作確認を行った内容をご紹介します。
Neo4j Auraのセットアップ
まず、Neo4jの公式サイトにアクセスします。
画面右上の「Get Started Free」をクリックして、無料アカウントを作成します。

アカウント登録が完了すると、トライアル用のインスタンスが自動的に立ち上がります。

左側の「Query」をクリックすると、クエリを入力できる画面が表示されます。画面右上の neo4j$ の欄にCypherクエリを入力して操作を行います。

Cypherクエリの投入
今回使用するのは、SQLではなく Cypher(サイファー) というグラフデータベース専用のクエリ言語です。
// 会社と部署の作成
CREATE (a:Company {name: "会社A", type: "他社"})
CREATE (b:Company {name: "会社B", type: "他社"})
CREATE (c:Company {name: "会社C", type: "他社"})
CREATE (d:Company {name: "会社D", type: "自社"})
CREATE (fac:Department {name: "ファシリティサービス部"})
CREATE (ofi:Department {name: "オフィスソリューション部"})
CREATE (net:Department {name: "ネットワークソリューション部"})
CREATE (pub:Department {name: "公共事業部"})
CREATE (fin:Department {name: "金融事業部"})
CREATE (cor:Department {name: "法人事業部"})
CREATE (a)-[:HAS_DEPARTMENT]->(fac)
CREATE (b)-[:HAS_DEPARTMENT]->(ofi)
CREATE (c)-[:HAS_DEPARTMENT]->(net)
CREATE (d)-[:HAS_DEPARTMENT]->(pub)
CREATE (d)-[:HAS_DEPARTMENT]->(fin)
CREATE (d)-[:HAS_DEPARTMENT]->(cor)
// 部署が扱う業務の作成
CREATE (rac:Domain {name: "ラックサービス"})
CREATE (ite:Domain {name: "オフィス用品"})
CREATE (nts:Domain {name: "ネットワークサービス"})
CREATE (fac)-[:HANDLES]->(rac)
CREATE (ofi)-[:HANDLES]->(ite)
CREATE (net)-[:HANDLES]->(nts)
// 社外・社内の人の作成
CREATE (p1:Person {name: "佐藤翔太", email: "shot_sato@company_a.co.jp"})
CREATE (p2:Person {name: "高橋美咲", email: "misa_takahashi@company_b.co.jp"})
CREATE (p3:Person {name: "中村海斗", email: "kait_nakamura@company_c.co.jp"})
CREATE (p4:Employee {name: "渡辺彩花", email: "ayak_watanabe@company_d.co.jp"})
CREATE (p5:Employee {name: "山本陽介", email: "yous_yamamoto@company_d.co.jp"})
CREATE (p6:Employee {name: "伊藤結衣", email: "yui_ito@company_d.co.jp"})
CREATE (fac)-[:HAS_EMPLOYEE]->(p1)
CREATE (ofi)-[:HAS_EMPLOYEE]->(p2)
CREATE (net)-[:HAS_EMPLOYEE]->(p3)
CREATE (pub)-[:HAS_EMPLOYEE]->(p4)
CREATE (fin)-[:HAS_EMPLOYEE]->(p5)
CREATE (cor)-[:HAS_EMPLOYEE]->(p6)
// 名刺交換実績の作成
CREATE (p4)-[:EXCHANGED_CARD_WITH {exchanged_on: date("2025-04-01")}]->(p1)
CREATE (p5)-[:EXCHANGED_CARD_WITH {exchanged_on: date("2025-05-01")}]->(p2)
CREATE (p6)-[:EXCHANGED_CARD_WITH {exchanged_on: date("2025-06-01")}]->(p3)データ構造と活用シーン
このクエリで投入するデータの想定は次のとおりです。
社内の誰が社外の誰といつ名刺交換をしたか
その社外の人物は、どの業務領域(ドメイン)を担当しているか
この情報を、従来のリレーショナルデータベースではなく、ナレッジグラフで管理します。
ナレッジグラフを用いることで、以下のような関係性を直感的に可視化・検索することが可能になります:
人がどの部署・会社に所属しているか
どの人物と人物がいつ接点を持ったか
誰がどの業務を実践可能か
データをグラフで可視化する
以下のCypherコマンドで、全体の関係性をグラフとして可視化できます:
MATCH (n)-[r]->(m) RETURN n, r, m
中心に自社の社員が存在し、周囲に社外の人材との接点が描かれています。
Pythonから検索する
次に、CypherクエリをPythonで実行し、特定の業務領域を担当する社外人材と、その人と接点を持つ社内の担当者を検索してみます。
query_by_domain.cypher(Cypherファイル)
MATCH (d:Domain {name: $domain})<-[:HANDLES]-(dept:Department)-[:HAS_EMPLOYEE]->(person)
MATCH (company:Company)-[:HAS_DEPARTMENT]->(dept)
OPTIONAL MATCH (employee:Employee)-[r:EXCHANGED_CARD_WITH]->(person)
OPTIONAL MATCH (employee_dept:Department)-[:HAS_EMPLOYEE]->(employee)
RETURN
person.name AS name,
person.email AS email,
dept.name AS department,
company.name AS company,
employee.name AS exchanged_with,
r.exchanged_on AS exchanged_on,
employee_dept.name AS exchanged_with_departmentmain.py(Pythonスクリプト)
from neo4j import GraphDatabase
# Neo4j 接続情報
URI = "neo4j+s://<インスタンスID>.databases.neo4j.io"
AUTH = ("neo4j", "<パスワード>")
# クエリをファイルから読み込む関数
def load_cypher_query(filepath):
with open(filepath, "r", encoding="utf-8") as file:
return file.read()
# ドライバ作成
driver = GraphDatabase.driver(URI, auth=AUTH)
# 実行関数
def search_by_domain(domain_name):
cypher_query = load_cypher_query("query_by_domain.cypher")
with driver.session() as session:
result = session.run(cypher_query, domain=domain_name)
return [record.data() for record in result]
# 動作確認
if __name__ == "__main__":
domain = input("検索したい業務領域を入力してください: ")
results = search_by_domain(domain)
for record in results:
output = f"実現可能な人材:{record['name']}({record['email']}) - {record['department']} @ {record['company']}"
if record.get("exchanged_with") and record.get("exchanged_on"):
exchange_dept = record.get("exchanged_with_department", "部署不明")
output += f" | 名刺交換者: {record['exchanged_with']}({exchange_dept}, {record['exchanged_on']})"
print(output)Python環境のセットアップ
仮想環境を構築し、必要なパッケージをインストールします。
python3 -m venv venv
source venv/bin/activate
pip install neo4j実行例
python main.py
検索したい業務領域を入力してください: ラックサービス
実現可能な人材:佐藤翔太(shot_sato@company_a.co.jp) - ファシリティサービス部 @ 会社A | 名刺交換者: 渡辺彩花(公共事業部, 2025-04-01)python main.py
検索したい業務領域を入力してください: オフィス用品
実現可能な人材:高橋美咲(misa_takahashi@company_b.co.jp) - オフィスソリューション部 @ 会社B | 名刺交換者: 山本陽介(金融事業部, 2025-05-01)python main.py
検索したい業務領域を入力してください: ネットワークサービス
実現可能な人材:中村海斗(kait_nakamura@company_c.co.jp) - ネットワークソリューション部 @ 会社C | 名刺交換者: 伊藤結衣(法人事業部, 2025-06-01)検索結果の意義
想定通り、業務を遂行できる社外人材と、その人材と接点のある社内の担当者を一覧で表示することができました。これは、業務の委託先候補を探すシーンなどで、非常に有用な手がかりになります。
ナレッジグラフが持つ可能性
RAGの活用が進む中で、ナレッジグラフもまた注目されています。
企業内データは、必ずしもリレーショナルデータベースで管理することが最適とは限りません。ナレッジグラフを参照し、文脈や関係性を重視して検索・回答するアプローチは、今後さらに重要になると考えます。

「データをどう保管し、どう取り出すか」──この問いに向き合うきっかけとなれば幸いです。
最後に
特に人材や組織の情報は、企業の中で最も流動的かつ運用コストのかかる領域です。組織改変や人事異動のたびに、データ構造の修正に苦しむ企業は少なくありません。
人材や組織の変遷は、まさにナレッジグラフの得意分野です。DXの文脈で、企業内データの新しい管理方法として、ナレッジグラフを検討する価値は十分にあるでしょう。