Neo4j LLM 知识图谱构建器 - 从非结构化文本中提取节点和关系
Neo4j LLM 知识图谱构建器是一个 在线应用程序,用于将非结构化文本转换为知识图谱,它提供了一种神奇的文本到图谱体验。
它使用 ML 模型(LLM - OpenAI、Gemini、Llama3、Diffbot、Claude、Qwen)来转换 PDF、文档、图像、网页和 YouTube 视频转录。提取将它们转换为文档和块(带有嵌入)的词法图和具有节点及其关系的实体图,两者都存储在您的 Neo4j 数据库中。您可以配置提取模式并在提取后应用清理操作。
之后,您可以使用不同的 RAG 方法(GraphRAG、Vector、Text2Cypher)来询问您的数据,并查看提取的数据如何用于构建答案。
|
前端是一个 React 应用程序,后端是一个在 Google Cloud Run 上运行的 Python FastAPI 应用程序,但您也可以使用 docker compose 在本地部署它。它使用 llm-graph-transformer 模块,Neo4j 为 LangChain 做出了贡献,以及其他 langchain 集成(例如用于 GraphRAG 搜索)。
所有功能在此处详细记录:功能文档
这是一个快速演示
分步说明
-
打开 LLM-知识图谱构建器
-
连接到 Neo4j (Aura) 实例
-
提供您的 PDF、文档、URL 或 S3/GCS 存储桶
-
使用选定的 LLM 构建图谱
-
在应用程序中可视化知识图谱
-
使用 GraphRAG 与您的数据聊天
-
打开 Neo4j Bloom 以进行进一步的视觉探索
-
在您的应用程序中使用构建的知识图谱

|
工作原理
-
上传的源代码作为图中的 `Document` 节点存储
-
每个文档(类型)都使用 LangChain 加载程序加载
-
内容被拆分成块
-
块存储在图中,并连接到文档以及彼此之间,以实现高级 RAG 模式
-
高度相似的块通过 `SIMILAR` 关系连接,形成一个 kNN 图
-
计算嵌入并存储在块和向量索引中
-
使用 llm-graph-transformer 或 diffbot-graph-transformer 从文本中提取实体和关系
-
实体和关系存储在图中,并连接到源块

相关链接
在线应用程序 |
|
作者 |
Michael Hunger、Tomaz Bratanic、Niels De Jong、Morgan Senechal、Persistent 团队 |
社区支持 |
|
存储库 |
|
问题 |
|
LangChain |
安装
LLM 知识图谱构建器应用程序 可在线使用。
您也可以通过克隆 GitHub 存储库 并按照 README.md 文件中的说明操作来在本地运行它。
它使用 Docker 来打包前端和后端,您可以运行 `docker-compose up` 来启动整个应用程序。
本地部署和配置详细信息可在 本地部署文档 中找到。