SIG 动态 | OneGraph发布更新：大模型驱动的开放知识图谱

最新推荐文章于 2025-04-24 15:16:35 发布

小天才学习机打游戏

最新推荐文章于 2025-04-24 15:16:35 发布

阅读量1k

点赞数 7

文章标签：知识图谱人工智能神经网络 langchain windows

本文链接：https://blog.csdn.net/m0_59164520/article/details/145480933

版权

OneGraph是OpenKG SIGData兴趣小组发起贡献的开放知识图谱项目，致力于利用大模型构建LLM需要的中文开放知识图谱。2024年10月24日，OpenKG在CNCC中国计算机大会知识图谱论坛上首次发布OneGraph V1版本。在2025年1月举办的OpenKG年度论坛上，SIGData兴趣组再次发布OneGraph更新。本文简要介绍了OneGraph的设计理念，主要实验及最新进展。

OneGraph V1

OneGraph致力于利用大模型构建LLM需要的开放知识图谱，OneGraph V1版是一个中英文双语的概念图谱，包含2500多万的三元组，经人工评估的三元组准确率达80%，所有数据中有32.28%的三元组由大语言模型(LLM)生成。

OneGraph资源汇总

OneGraph官方网站：http://onegraph.openkg.cn/
OneGraph V1全量数据下载：

http://data.openkg.cn/dataset/onegraphv1

1.1 数据设计

OneGraph的数据包括4个层级，自顶向下数量逐步提升，包括：

cnSchema: 中文schema参考标准；
概念图：用于建模概念知识之间的关系；
实体图：用于建模不同领域中实体之间的复杂关系；
文本图：用于建模文档中不同章节、段落、句子等之间的复杂关系。

这四类图会互相连接，构成完整的OneGraph。本次发布OneGraph V1版主要包含的是概念图。

1.2 利用LLM的构建方式

与已有的知识图谱构建方式不同，OneGraph没有采用人工或者自动抽取的构建方法，而是充分利用了具有参数化知识的LLM进行构建，LLM的利用方式及准确率如下：

除数据生成、数据删除、数据更正和数据翻译使用了大语言模型，我们在OneGraph构建过程中还使用了多个大模型进行交叉验证，经过交叉验证后知识图谱准确率得到了显著的提升，详情如下：

1.3 OneGraph增强方式

我们设计的OneGraph增强方式包括以下4种，如下图所示：

抽取（OneGraph-E）：根据输入文本进行三元组抽取；
检索（OneGraph-R）：根据外部输入文本，通过文本相似度检索最相似的n个实体，并抽取实体的k跳子图，返回检索的子图；
生成（OneGraph-G）：根据外部输入文本，通过大语言模型生成相关的三元组对已有子图进行补充；
思考（OneGraph-T）: 根据外部输入文本，结合已经抽取、检索、生成等增强方式得到的子图，生成得到正确输出的思考图，指导最终的输出。

目前，根据发布的OneGraph V1，我们已经实现了OneGraph-R和OneGraph-G两种增强方式。

1.4 实验验证

在实验验证过程中，我们探索了5种OneGraph提供的子图输入LLM的方式：triples、graph summary、node sequence、html code、syntax tree。OneGraph增强方式选择融合了OneGraph-R和OneGraph-G。

我们在评测数据集C-Eval上进行了中文问答测试，评测问题为单选题4选1，包含13948个多项选择题，涵盖52个不同学科，难度从初一、大学、到职业则个考试共4个难度级别。实验中我们选了选择3种大小不同的LLM模型：chatglm2-6b/ qwen2.5-14b/ 200B+ deepseek。+OneGraph表示进行OneGraph增强。实验结果如下：

另外我们还进行了OneGraph增强GraphRAG的实验，实验结果表明OneGraph服务也可以有效增强GraphRAG的效果，更多实验效果请查看OneGraph网站。

实验结果表明，进行了OneGraph增强后，大部分实验结果均有提升。以上2种实验，共24组实验中，20组实验在进行了OneGraph增强后有效果的提升，占到总实验组数的83.33%，这说明OneGraph具有较高的知识覆盖度和准确性。

关于OpenKG SIGData

SIGData是OpenKG成立的首批6个兴趣小组之一，致力于探索大模型时代的知识图谱开放数据建设工作，负责人为浙江大学张文副教授和蚂蚁集团刘志臻研究员。SIGData目前共包括成员39人，来自22家单位，其中28人来自高校，11人来自企业涉及的领域包括人工智能、金融、互联网、制造业、建筑工程、航空航天等。

2025年1月17日，在2024年中文开放知识图谱社区大会上，SIGData组织了首次线下工作会议。会上，SIGData的负责人张文首先介绍了SIGData的年度工作，并介绍了OneGraph的构建、发布及未来展望。随后，三位来自不同领域的SIGData成员进行了来自不同领域的知识图谱构建及应用分享，内蒙古大学副教授安春燕分享了奶业金融知识图谱的构建与应用，南京航空航天大学副教授陆婧探讨了知识图谱在民航旅客画像与消费偏好推理技术中的应用，钉钉刘光宇展示了AI办公助理的知识增强实践。最后，全体成员将继续围绕两个核心议题“大模型构建知识图谱的有效路径”和“OneGraph垂直领域拓展方向”进行进一步的讨论。

总结

过去的2024年，SIGData经历了从成立到逐渐壮大的过程，期间得到了很多伙伴们的支持，感谢大家；从0开始充分利用大模型构建了千万级中英双语概念知识图谱，并进行了数据开放，进行了利用大模型构建LLM需要的知识图谱的初步探索。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述