使用场景

研究人员使用该工具分析学术论文，探索不同研究领域之间的联系。

数据科学家利用知识图谱进行社区发现，以识别和分析数据集中的模式。

开发者构建基于知识图谱的聊天机器人，通过GRAG技术提升对话的深度和准确性。

产品特色

定义本体论：用户可以根据自己的需求定义知识图谱的实体和关系。

文本分块：为适应LLMs的上下文窗口，将文本适当分块。

文档转换：将分块后的文本转换为文档模型，添加元数据以丰富关系上下文。

选择语言模型：支持OpenAI和Groq语言模型，用户可根据需求选择。

运行图谱生成器：通过迭代文档列表，为每个文档创建子图，并最终生成完整图谱。

错误容错：自动纠正JSON解析失败，手动分割并单独解析。

Neo4j数据库存储（可选）：将图谱保存到Neo4j数据库，用于进一步分析或可视化。

使用教程

1. 安装knowledge_graph_maker库：使用pip命令安装。

2. 设置环境变量：根据使用的客户端设置GROQ_API_KEY或OPENAI_API_KEY等。

3. 定义本体论：根据需求定义实体标签和关系。

4. 文本分块：将长文本分割成适合LLM处理的块。

5. 创建文档：将文本块转换为文档模型，并添加元数据。

6. 选择并配置语言模型：选择OpenAI或Groq模型，并设置参数。

7. 运行图谱生成器：使用GraphMaker类生成知识图谱。

8. 存储到Neo4j（可选）：将生成的图谱保存到Neo4j数据库中。