llm-graph-builder:构建知识图谱的强大工具
llm-graph-builder是Neo4j Labs开发的一款强大的开源工具,旨在将非结构化数据转化为结构化的知识图谱。它利用大型语言模型(如OpenAI、Gemini等)的能力,从文本中提取实体、关系和属性,并使用Langchain框架创建存储在Neo4j数据库中的知识图谱。
主要特性
- 知识图谱创建: 将非结构化数据转换为使用LLMs的结构化知识图谱。
- 自定义模式: 提供自定义模式或使用现有设置来生成图谱。
- 图谱可视化: 在Bloom中查看单个或多个数据源的图谱。
- 数据交互: 通过对话式查询与Neo4j数据库中的数据进行交互,并检索查询响应的元数据。
工作原理
- 上传文件:支持从本地机器、GCS、S3存储桶或网络源上传文件。
- 选择LLM模型:从下拉列表中选择用于生成图谱的LLM模型。
- 定义模式:可选择在实体图提取设置中定义节点和关系标签的模式。
- 生成图谱:选择多个文件生成图谱,或处理所有"新"状态的文件。
- 查看图谱:使用网格中的"查看"或选择一个或多个文件并"预览图谱"。
- 提问互动:向聊天机器人询问已处理/完成的源相关问题,获取LLM生成的详细答案信息。
部署方式
llm-graph-builder支持本地部署和云端部署两种方式:
-
本地部署:
- 使用docker-compose一键部署
- 分别运行后端和前端(开发环境)
-
云端部署:
- 在Google Cloud Platform上使用Cloud Run部署
开始使用
- 准备Neo4j数据库(V5.15+),安装APOC插件
- 克隆GitHub仓库
- 配置环境变量(.env文件)
- 使用docker-compose启动应用
- 访问Web应用程序,连接Neo4j数据库
- 上传数据源,选择LLM模型,生成知识图谱
- 查看和分析生成的图谱,进行交互式查询
llm-graph-builder为构建知识图谱提供了简单而强大的解决方案。无论您是图数据库新手还是经验丰富的RAG专业人士,都可以使用这个工具来改进数据分析和信息检索能力。欢迎访问GitHub仓库了解更多信息,或者直接体验在线演示应用。