首页 > 其他分享 >微软 GraphRAG 构建武松打虎的知识图谱 - 超简单教程，小学生都能学会！

微软 GraphRAG 构建武松打虎的知识图谱 - 超简单教程，小学生都能学会！

时间：2024-12-23 17:58:42浏览次数：9  
标签：检索 社区 GraphRAG 创建 最终 实体 武松打虎 图谱 文本

微软 GraphRAG 构建武松打虎的知识图谱 - 超简单教程，小学生都能学会！

0. 引言

最近一直调研微软 GraphRAG，调研的同时，也对微软 GraphRAG 进行了一些优化。

今天，记录一下使用优化后的工具创建创建武松打虎的知识图谱，超级简单，小学生都能学会！

1. 创建组

在这里插入图片描述

2. 读取文件

在这里插入图片描述
在这里插入图片描述

3. 创建组和文件的关联

在这里插入图片描述

4. 选择语言和设置实体类型

在这里插入图片描述

5. 设置 LLM

在这里插入图片描述
在这里插入图片描述

6. 设置 Langfuse

在这里插入图片描述

7. 创建基础文本单元

在这里插入图片描述

8. 创建最终文档

在这里插入图片描述

9. 抽取实体和关系

AI为我们抽取了92个实体和101个关系数据。
在这里插入图片描述
在这里插入图片描述
"店家"这个实体的分类是 “UNKNOWN”，我们将其修改为 “人物”。

在这里插入图片描述
有一些不需要的实体，我们可以将其删掉。

在这里插入图片描述

10. 社区检测

在这里插入图片描述

11. 创建最终实体

在这里插入图片描述

12. 创建最终节点

在这里插入图片描述

13. 创建最终社区

在这里插入图片描述

14. 创建最终关系

在这里插入图片描述

15. 创建最终社区报告

在这里插入图片描述

16. 创建最终文本单元

在这里插入图片描述

17. 生成文本向量

在这里插入图片描述

18. Local 检索

在这里插入图片描述

检索结果参照的实体和关系如下。

在这里插入图片描述

19. Global 检索

在这里插入图片描述

检索结果参照的社区报告如下。

在这里插入图片描述

20. Drift 检索

在这里插入图片描述

未完待续！

标签：检索,社区,GraphRAG,创建,最终,实体,武松打虎,图谱,文本
From： https://blog.csdn.net/engchina/article/details/144671642

相关文章

  • 基于知识图谱的医疗问答系统（Kubernetes）
    目录一、前提准备1、创建neo4j用户，数据目录2、修改neo4j.conf配置文件二、k8s集群部署1、步骤文档2、选择k8s-master1节点打标，kube-scheduler直接将pod调度到该节点3、创建neo4j命名空间4、创建pv5、创建pvc6、创建neo4j的Deployment7、创建NodePort类型的svc(实......
  • 自然语言处理NLP——基于电影知识图谱和大型语言模型（LLM）的KBQA问答机器人（增加自然语言
    文章目录参考可视化逻辑运行演示参考https://github.com/Xiaoheizi2023/NLP_KBQA可视化逻辑提取出实体后去neo4j搜寻实体相关的图谱，然后返回数据再进行可视化可视化工具cytoscape.js提取实体逻辑：分词后比对关键词运行数据库：Mysql(保存聊天和用户和帖子信息)neo......
  • 基于知识图谱的医疗问答系统（dockerfile+docker-compose）
    目录一、搭建Neo4j图数据库1、方式选择2、Dockerfile+docker-compose部署neo4j容器2.1、更新yum镜像源2.2、安装docker-ce社区版2.3、配置镜像加速2.4、安装DockerCompose2.4.1、下载DockerCompose二进制包2.4.2、设置可执行权限2.4.3、查看版本2.5、创建目录结构2.6、......
  • 轻量高效的知识图谱RAG系统：LightRAG
    LightRAG是港大DataLab提出一种基于知识图谱结构的RAG方案，相比GraphRAG具有更快更经济的特点。架构1索引阶段：对文档进行切分处理，提取其中的实体和边分别进行向量化处理，存放在向量知识库2检索阶段：对用于输入分别提取局部和全局关键词，分别用于检索向量知识库中的实体和边关......
  • 【大模型智能客服背景下】知识图谱笔记
     【背景】        在数字化飞速发展的时代，客户服务的质量和效率成为企业立足市场、赢得客户信赖的关键因素之一。随着人工智能技术的不断革新，智能客服应运而生，为企业与客户之间搭建起了更为便捷、高效的沟通桥梁。        传统的智能客服系统往往基于预设规......
  • 基于图神经网络的大语言模型检索增强生成框架研究：面向知识图谱推理的优化与扩展
    在大型语言模型(LLMs)相关的人工智能突破中，图神经网络(GNNs)与LLMs的融合已成为一个极具前景的研究方向。这两类模型的结合展现出显著的互补性，能够协同增强LLMs的推理能力和上下文理解能力。通过从知识图谱(KGs)存储的海量信息中进行智能化检索，该结合能够生成准确且不含幻觉的答案......
  • 大模型+知识图谱在工业领域落地的4大场景
    对于AI技术，大家热聊的话题超90%都是围绕大模型，而知识图谱则是上一波AI浪潮中比较热门的技术。今天特邀行业专家，探讨关于大模型和知识图谱在工业领域的一些落地实践。主要分为四个部分展开：大模型和知识图谱的关系、大模型+知识图谱双擎的原理、大模型+知识图谱双擎的......
  • springboot基于知识图谱与学习行为分析的在线学习平台开发
    目录功能和项目介绍系统实现截图开发核心技术介绍操作手册核心代码部分展示视频演示/源码获取功能和项目介绍jdk版本:jdk1.8+编程语言:java框架支持：springboot/ssm数据库:mysql版本不限数据库工具：Navicat/SQLyog都可以前端：vue.js+ElementUI开发工具：IDEA或......
  • GraphRAG：基于知识图谱的RAG，好用，贼贵！
    转载请注明出处❤️作者：测试蔡坨坨原文链接：caituotuo.top/7d21f69b.html你好，我是测试蔡坨坨。在往期文章中，我们探讨了RAG的应用。然而，在实际使用过程中，我们发现传统RAG的表现并未完全满足预期（例如：在处理数据时，使用默认效果不佳，切片乱七八糟。因此需要花费很大精力去处理数据，比......
  • 计算机毕业设计Python+知识图谱大模型AI医疗问答系统 健康膳食推荐系统 食谱推荐系统
    温馨提示：文末有CSDN平台官方提供的学长联系方式的名片！温馨提示：文末有CSDN平台官方提供的学长联系方式的名片！温馨提示：文末有CSDN平台官方提供的学长联系方式的名片！作者简介：Java领域优质创作者、CSDN博客专家、CSDN内容合伙人、掘金特邀作者、阿里云博客专家、51CTO......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99