微信扫码
添加专属顾问
开源工具Graph Maker让知识图谱构建更简单,结合LLM智能发现本体,轻松处理非结构化数据。 核心内容: 1. 知识图谱构建的两大要素:知识库与本体论 2. LLM自动发现本体的创新方法及优势 3. 实际应用案例与当前技术挑战分析
要创建一个知识图谱,我们需要两个信息。
这是一个简单的本体。
实体:人,地点
关系:
人与 → 人
人居住于 → 地点
人访问 → 地点
根据这两条信息,我们可以从提到人物和地点的文本中构建一个知识图谱。然而,假设我们的知识库是关于处方药物及其相互作用的临床研究。我们可能会使用不同的本体,其中化合物、用法、效果、反应等可能构成我们的本体。
在上一篇文章中,我们讨论了如何使用LLM提取知识图谱,而不需要为其提供本体。这个想法是让LLM自己发现最适合给定文本语料库的本体。
尽管这种方法缺乏生成知识图谱的传统方法的严谨性,但它有其优点。它可以比传统方法更容易地用非结构化数据生成KG。它生成的KG在某种意义上也是非结构化的。然而,它们更容易构建并且信息更丰富。它们非常适合于图检索增强生成(GRAG)之类的应用。
让我列出我在上一篇文章的反馈中收到的一些挑战和观察。这将帮助我们理解在创建具有大型语言模型的知识图谱时面临的挑战。让我们以《指环王》书籍的百科摘要为例。毕竟,人们不可能不爱《指环王》!
在自由运行的情况下,大型语言模型提取的实体类别可能过于多样化。它可能会错误地将抽象概念标记为实体。例如在文本“比尔博·巴金斯庆祝他的生日并将戒指留给弗罗多”中,大型语言模型可能会提取“比尔博·巴金斯庆祝他的生日”或“庆祝他的生日”作为‘动作’。但如果它能提取“生日”作为‘事件’,可能会更有用。
它也可能错误地在不同上下文中标记相同的实体。例如:
“索伦”、“黑暗领主索伦”和“黑暗领主”不应被提取为不同的实体。或者如果它们被提取为不同的实体,它们应该用一个等价关系连接起来。
大型语言模型的输出本质上是不可预测的。为了从大型文档中提取知识图谱,我们必须将语料库分割成较小的文本块,然后为每个块生成子图。为了构建一个一致的图,大型语言模型必须根据给定的模式一致地为每个子图输出JSON对象。即使缺少一个也可能对整个图的连通性产生不利影响。
尽管大型语言模型在响应格式良好的JSON对象方面取得了很大进步,但它们仍然远非完美。具有有限上下文窗口的LLMs也可能生成不完整的响应。
大型语言模型在识别实体时可能会犯很多错误。当上下文特定于某个领域,或者实体没有用标准英语命名时,这个问题就更大了。命名实体识别模型在这方面做得更好,但它们也仅限于训练数据。此外,它们无法理解实体之间的关系。
在提示工程中,强迫一个大型语言模型与类别保持一致是一门艺术。
关系可以明确提及,也可以由上下文暗示。例如:
“比尔博·巴金斯庆祝他的生日并将戒指留给弗罗多”暗示了以下关系: 1. 比尔博·巴金斯→所有者→戒指 2. 比尔博·巴金斯→继承人→弗罗多 3. 弗罗多→所有者→戒指
我认为在某个时刻,大型语言模型(LLMs)将比任何传统的关系提取方法都要好。但就目前而言,这是一个需要巧妙的提示工程挑战
我在这里分享的图表制作库改进了之前的方法,它在严谨和简便之间走了一半的路——在结构和缺乏结构之间走了一半的路。它在我讨论过的上述大多数挑战上都表现得比之前的方法要好得多。
与之前的方法相反,在之前的方法中,LLM可以自由地发现本体,而图构建器试图强迫LLM使用用户定义的本体。
我们可以用简单的pip命令安装知识图谱制作库
pip install knowledge-graph-maker
下面是如何用5个简单的步骤来操作的。
这些步骤被编码在一个笔记本里,我将在本文的结尾分享。
图书馆理解以下本体模式。在幕后,本体是一个pydantic模型
ontology = Ontology(# labels of the entities to be extracted. Can be a string or an object, like the following.labels=[{"Person": "Person name without any adjectives, Remember a person may be referenced by their name or using a pronoun"},{"Object": "Do not add the definite article 'the' in the object name"},{"Event": "Event event involving multiple people. Do not include qualifiers or verbs like gives, leaves, works etc."},"Place","Document","Organisation","Action",{"Miscellaneous": "Any important concept can not be categorised with any other given label"},],# Relationships that are important for your application.# These are more like instructions for the LLM to nudge it to focus on specific relationships.# There is no guarantee that only these relationships will be extracted, but some models do a good job overall at sticking to these relations.relationships=["Relation between any pair of Entities",],)我已经调整了提示以产生与给定本体一致的结果。我认为它做得相当好。然而,它仍然不是100%准确的。准确性取决于我们选择生成图表的模型、应用程序、本体和数据的质量。
我们可以使用尽可能大的文本语料库来创建大型知识图谱。然而,目前大型语言模型(LLMs)的上下文窗口是有限的。因此,我们需要适当地分割文本,一次一个片段地创建图谱。我们应该使用的片段大小取决于模型的上下文窗口。本项目中的提示大约消耗了500个标记。其余的上下文可以分为输入文本和输出图谱。根据我的经验,较小的200到500个标记的片段可以生成更详细的图谱。
该文档是一个具有以下模式的Pythonic模型。
## Pydantic document modelclass Document(BaseModel):text: strmetadata: dict
我们在这里添加到文档中的元数据被标记到从文档中提取出的每个关系上。
我们可以将关系的上下文信息添加到元数据中,例如页面号、章节、文章名称等。通常情况下,每个节点对会在多个文档中有多个关系。元数据有助于将这些关系具体化。
图生成器直接取一个文档列表,并迭代每个文档以创建一个子图。最终输出是所有文档的完整图。
这里有一个简单的例子说明如何做到这一点。
from knowledge_graph_maker import GraphMaker, Ontology, GroqClient## -> Select a groq supported modelmodel = "mixtral-8x7b-32768"model ="llama3–8b-8192"model = "llama3–70b-8192"model="gemma-7b-it" ## This is probably the fastest of all models, though a tad inaccurate.## -> Initiate the Groq Client.llm = GroqClient(model=model, temperature=0.1, top_p=0.5)graph_maker = GraphMaker(ontology=ontology, llm_client=llm, verbose=False)## -> Create a graph out of a list of Documents.graph = graph_maker.from_documents(docs)# result: a list of Edges.print("Total number of Edges", len(graph))# 1503
图构建器将每个文档通过LLM处理并解析响应以创建完整的图。最终图形是一个边列表,其中每条边都是一个类似于以下的pydantic模型。
class Node(BaseModel):label: strname: strclass Edge(BaseModel):node_1: Nodenode_2: Noderelationship: strmetadata: dict = {}order: Union[int, None] = None
我已经调整了提示语,现在它们生成的JSON相当一致。如果JSON响应无法解析,图制作器还会尝试手动将JSON字符串分割成多条边字符串,然后尝试挽救尽可能多的内容。
我们可以将模型保存到Neo4j中,以创建RAG应用程序、运行网络算法,或者可能只是使用Bloom可视化图表。
from knowledge_graph_maker import Neo4jGraphModelcreate_indices = Falseneo4j_graph = Neo4jGraphModel(edges=graph, create_indices=create_indices)neo4j_graph.save()
图的每条边都保存到数据库中作为一个事务。如果你这是第一次运行此代码,请将`create_indices`设置为true。这通过在节点上设置唯一性约束来准备数据库。
5.1 仅为了好玩,如果在之前的文章中我们没有使用 networkx 和 pyvis 库来可视化图表,那么在这里,因为我们已经将图表保存到了 Neo4J 中,我们可以直接利用 Bloom 来可视化图表。
为了避免重复我们之前文章中的内容,让我们生成一个不同的可视化效果。
比如说我们喜欢看书中人物之间的关系是如何发展的。
我们可以通过跟踪在图制作者遍历书籍时边缘是如何逐步添加到图中来做到这一点。为了实现这一点,边缘模型有一个名为“顺序”的属性。这个属性可以用来给图添加时间或时间顺序维度。
在我们的例子中,图构建器自动将特定文本块在文档列表中出现的顺序号添加到它从中提取的每条边上。因此,要查看字符之间的关系如何演变,我们只需按边的顺序横截该图即可。
这里有一个这些横截面的动画。
这种知识图谱的最佳应用可能是用于推荐系统(RAG)
本质上,图提供了多种不同的方式来检索知识。根据我们如何设计图和我们的应用程序,这些技术中的一些可能比简单的语义搜索更有力。
在基础层面上,我们可以在节点和关系中添加嵌入向量,并对向量索引进行语义搜索以检索信息。然而,我认为图在RAG应用中的真正力量在于我们将Cypher查询和网络算法与语义搜索相结合时。
我自己也在探索这些技术。我希望能在下篇文章里写一写它们。
这里是GitHub仓库。请随意尝试。我还包括在仓库中一个示例Python笔记本,可以帮助您快速上手。
请注意,在开始之前,您需要在 .env 文件中添加您的 GROQ 凭据。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-11-13
不只是Memory:Ontology如何让Coding Agent越用越懂项目?
2026-11-10
改变世界前先认识世界 : Ontology 决策结构化实践
2026-11-06
让模型只提议、不许拍板:OntoSmith 把本体和知识图谱建成一条可审计的流水线
2026-11-03
知识图谱装事实,本体论定规矩,搞反顺序就白干
2026-10-30
从知识资产到任务能力:大规模本体驱动智能体的上下文工程实践
2026-10-28
世界、本体与代码:LLM 驱动下仿真范式的演进
2026-10-27
NVIDIA 开源Auto Ontology,本体创建时间缩短90%
2026-10-26
不建向量库、建图花零 token,这个 13 万 star 的项目在赌另一条路
2026-10-27
2026-08-24
2026-09-08
2026-09-23
2026-09-06
2026-09-14
2026-09-17
2026-10-30
2026-10-21
2026-08-31
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。