2024-09-18 19:57 湖北
赋能GraphRAG
iText2KG是一个开源项目，能够利用大型语言模型（zero-shot）跨领域从文本中提取实体和关系，自动构建和更新知识图谱，并通过Neo4j进行可视化。
iText2KG由四个主要模块组成：文档提取器、增量实体提取器、增量关系提取器、图形集成器和可视化。它们协同工作，从非结构化文本构建和可视化知识图谱。
iText2KG整体架构概述
文档提取器（Document Distiller）：该模块处理原始文档，并根据用户定义的模式将其重新表述为语义块。它通过关注相关信息并以预定义的格式对其进行结构化来提高信噪比。
增量实体提取器（Incremental Entity Extractor）：此模块从语义块中提取唯一实体并解决歧义以确保每个实体都有明确定义。它使用余弦相似度度量将局部实体与全局实体进行匹配。
增量关系提取器（Incremental Relation Extractor）：此模块识别提取实体之间的关系。它可以以两种模式运行：使用全局实体丰富图形中的潜在信息，或使用局部实体建立更精确的关系。
图形集成器和可视化（Graph Integrator and Visualization）：此模块将提取的实体和关系集成到 Neo4j 数据库中，提供知识图谱的可视化表示。它允许对结构化数据进行交互式探索和分析。
四个模块中，增量实体提取器与增量关系提取器最为关键，采用大模型来实现，LLM提取代表一个唯一概念的实体，以避免语义混合的实体。
显示了使用 Langchain JSON 解析器的实体和关系提取prompt。分类如下：蓝色 - 由 Langchain 自动格式化的prompt；常规 - iText2KG设计的prompt；斜体 - 专门为实体和关系提取设计的prompt。（a）关系提取prompt和（b）实体提取prompt。
为了说明知识图谱构建的结果，在三种不同场景下，将基线方法与iText2KG进行了比较：
基线方法在所有三种知识图谱构建场景中都揭示了存在没有关系的孤立节点。这种现象可能归因于实体提取和关系提取的同时执行，这可能会在语言模型中引起幻觉效应，导致“遗忘”效应，即分离实体和关系提取的过程可以提高性能。
在“网站到知识图谱”的场景中，输入文档数量的增加与图中噪声节点的出现有关。这强调了对文档进行有效精炼和蒸馏的模块1的关键需求。
iText2KG方法在三种知识图谱构建场景中展示了改进的实体和关系解析能力。当输入文档较少且由简单、非复杂短语组成时，语言模型在实体和关系解析方面表现出高效率，如“简历到知识图谱”过程中所证明的。相反，随着数据集变得更加复杂和庞大，挑战也随之增加，如“网站到知识图谱”场景所示。此外，重要的是要强调输入文档的分块大小和阈值对知识图谱构建的影响。文档分馏器的输入文档可以是独立的文档或分块。如果分块大小较小，则语义块将从文档中捕获更具体的详细信息，反之亦然
在三个场景中，基线方法与iText2KG在知识图谱构建方面的比较
https://github.com/AuvaLab/itext2kghttps://arxiv.org/pdf/2409.03284iText2KG: Incremental Knowledge Graphs Construction Using Large Language Models
推荐阅读
• 对齐LLM偏好的直接偏好优化方法：DPO、IPO、KTO
• RAG全景图：从RAG启蒙到高级RAG之36技，再到终章Agentic RAG！
• Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图）
欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。
