kglab

欢迎来到图数据科学： https://derwen.ai/docs/kgl/

kglab库为Python 3.7+提供了一个简单的抽象层，用于构建知识图谱，利用了Pandas、NetworkX、RAPIDS、RDFLib、Morph-KGC、pythonPSL等多种工具。

特别请求：
您希望在用于构建知识图谱的开源Python库中看到哪些功能？
请通过此调查添加您的建议：
https://forms.gle/FMHgtmxHYWocprMn6
这将帮助我们确定kglab的发展路线优先顺序。

评价

@kaaloo：

"感觉就像是图的Hugging Face！🤯"

入门

请查看在线文档的"入门"部分。

将kglab作为库用于您的Python项目

我们建议从PyPi或conda安装：

pip

python3 -m pip install kglab

pipenv

pipenv install kglab

conda

conda env create -n kglab
conda activate kglab
pip install kglab

或者，从源代码安装：

如果您直接使用此Git仓库，请确保安装依赖项：

pip

python3 -m pip install -U pip wheel
python3 -m pip install -r requirements.txt

pipenv

pipenv install --dev

或者，使用conda安装依赖项：

conda env create -f environment.yml --force
conda activate kglab

示例代码

然后运行此库的一些简单用法：

import kglab

# 创建KnowledgeGraph对象
kg = kglab.KnowledgeGraph()

# 从URL加载RDF
kg.load_rdf("http://bigasterisk.com/foaf.rdf", format="xml")

# 测量图
measure = kglab.Measure()
measure.measure_graph(kg)

print("边数：{}\n".format(measure.get_edge_count()))
print("节点数：{}\n".format(measure.get_node_count()))

# 序列化为"Turtle" TTL格式的字符串
ttl = kg.save_rdf_text()
print(ttl)

查看examples子目录中的教程笔记本，了解将kglab与Python中其他图库集成的示例代码和模式： https://derwen.ai/docs/kgl/tutorial/

在现有环境中安装时的警告：
在现有环境中安装新包可能会显示或创建版本冲突。
在安装之前，请查看requirements.txt中的kglab要求。
例如，NumPy（>= 1.19.4）和TensorFlow 2+（~-1.19.2）之间存在已知的版本冲突。

docker build --pull --rm -f "docker/Dockerfile" -t kglab:latest .
docker run -p 8888:8888 -it kglab

docker build --pull --rm -f "docker/testsuite.Dockerfile" -t kglabtest:latest .
docker run --rm -it kglabtest

@software{kglab,
  author = {Paco Nathan},
  title = {{kglab: a simple abstraction layer in Python for building knowledge graphs}},
  year = 2020,
  publisher = {Derwen},
  doi = {10.5281/zenodo.6360664},
  url = {https://github.com/DerwenAI/kglab}
}