知识图谱生成器：开源项目教程

陈宜旎Dean

于 2025-04-19 10:27:13 发布

阅读量593

点赞数 25

本文链接：https://blog.csdn.net/gitblog_01128/article/details/147346482

版权

知识图谱生成器：开源项目教程

knowledge_graph_maker 项目地址: https://gitcode.com/gh_mirrors/kn/knowledge_graph_maker

1. 项目介绍

知识图谱生成器（Knowledge Graph Maker）是一个开源的Python库，它可以基于给定的本体（Ontology）将任何文本转换为知识图谱。知识图谱，也称为语义网络，是一种用于表示现实世界中实体（如对象、事件、情况或概念）及其相互关系的网络结构。这种信息通常存储在图数据库中，并以图形结构进行可视化。

本项目旨在帮助用户从文本中提取实体和关系，构建出结构化的知识图谱，进而用于各种分析和应用，如文本理解、信息检索、自然语言处理等。

2. 项目快速启动

首先，确保您的环境中已经安装了Python。

安装库

使用pip命令安装知识图谱生成器库：

pip install knowledge-graph-maker

配置环境变量

在.env文件中设置以下环境变量：

如果使用GROQ客户端：

GROQ_API_KEY=your_groq_api_key

如果使用OpenAI客户端：

OPENAI_API_KEY=your_openai_api_key

如果使用Neo4j数据库：

NEO4J_USERNAME=neo4j
NEO4J_PASSWORD=localneo4j
NEO4J_URI=bolt://localhost:7687

创建知识图谱

定义本体（Ontology）

from knowledge_graph_maker import Ontology

ontology = Ontology(
    labels=[
        {"Person": "人名，不要使用任何形容词，人名可能通过名字或代词引用"},
        {"Object": "对象名，不要加定冠词'the'"},
        {"Event": "涉及多个人物的事件，不要包含限定词或动词，如gives, leaves, works等"},
        "Place",
        "Document",
        "Organisation",
        "Action",
        {"Miscellanous": "任何无法归类到其他标签的重要概念"}
    ],
    relationships=[
        "任何两个实体之间的关系"
    ]
)

分割文本

由于LLM的上下文窗口有限，需要将文本分割成适当的块。

选择LLM模型

from knowledge_graph_maker import GroqClient, OpenAIClient

# 选择Groq模型
model = "mixtral-8x7b-32768"
llm = GroqClient(model=model, temperature=0.1, top_p=0.5)

# 或者选择OpenAI模型
oai_model = "gpt-3.5-turbo"
llm = OpenAIClient(model=oai_model, temperature=0.1, top_p=0.5)

运行图生成器

from knowledge_graph_maker import GraphMaker, Document

graph_maker = GraphMaker(ontology=ontology, llm_client=llm, verbose=False)

# 创建文档列表
docs = [Document(text="你的文本内容", metadata={"context": "相关上下文信息"})]

# 生成图
graph = graph_maker.from_documents(list(docs), delay_s_between=10)

# 输出结果
print("Total number of Edges", len(graph))

保存到Neo4j（可选）

from knowledge_graph_maker import Neo4jGraphModel

neo4j_graph = Neo4jGraphModel(edges=graph, create_indices=True)
neo4j_graph.save()

3. 应用案例和最佳实践

文本分析：使用知识图谱生成器分析长篇文档，提取关键实体和关系，以便更好地理解文本内容。
信息检索：构建知识图谱索引，快速检索相关信息，提高信息检索的效率。
问答系统：结合自然语言处理技术，构建基于知识图谱的问答系统。

4. 典型生态项目

Neo4j：用于存储和查询知识图谱的图数据库。
GROQ：一种用于自然语言处理的客户端，可以与知识图谱生成器配合使用。
OpenAI：提供强大的自然语言处理模型，可以用于知识图谱生成的核心处理。

knowledge_graph_maker 项目地址: https://gitcode.com/gh_mirrors/kn/knowledge_graph_maker