AI-Knowledge-Graph: Unstrukturierte Texte in interaktive Wissensgraphen umwandeln 74

ai-Knowledge-Graph ist ein System, das unstrukturierte Textdokumente in interaktive Wissensgraphen umwandelt. Es nimmt unstrukturierten Text entgegen, extrahiert Informationen und stellt sie in Form von Subjekt-Prädikat-Objekt (SPO) dar, die schließlich als interaktiver Graph visualisiert werden.

Funktionsmerkmale von AI-Knowledge-Graph

• Text-Chunking: Zerlegt große Dokumente in kleinere Teile zur einfacheren Handhabung.

• Wissensextraktion: Extrahiert SPO-Tripel aus Textblöcken, die Entitäten und Beziehungen darstellen.

• Entitätsnormalisierung: Vereinheitlicht unterschiedliche Bezeichnungen derselben Entität, um Duplikate zu vermeiden.

• Beziehungsinferenz: Entdeckt Beziehungen zwischen nicht zusammenhängenden Teilen des Graphen und macht ihn vollständiger.

• Interaktive Visualisierung: Erzeugt einen interaktiven Graphen, der im Browser angezeigt werden kann.

• Unterstützung mehrerer Dienste: Kompatibel mit Diensten, die die OpenAI API unterstützen (wie Ollama, LM Studio usw.).

• Hohe Konfigurierbarkeit: Anpassung von Modell, API-Einstellungen usw. über Konfigurationsdateien.

• Kommandozeilen-Tool: Bietet ein Kommandozeilen-Tool zur bequemen Ausführung des Systems.

• Modulares Design: Erleichtert Wartung und Erweiterung; Benutzer können Module ändern oder hinzufügen.

• Statistiken: Liefert detaillierte Statistiken zum Graphen, um dessen Struktur besser zu verstehen.

Anwendungsszenarien für AI-Knowledge-Graph

• Wissenschaftliche Forschung: Schnelle Extraktion von Informationen aus Literatur und Aufbau von Wissensgraphen.

• Unternehmens-Wissensmanagement: Aufbau interner Wissensdatenbanken zur Steigerung der Effizienz.

• Inhaltserstellung: Strukturierung komplexer Informationen und Bereitstellung intuitiver Wissensstrukturen.

• Intelligente Suche: Beantwortet Fragen direkt.

• Empfehlungssysteme: Ermöglicht präzise Empfehlungen.

• Frage-Antwort-Systeme: Ordnet Fragen Graphenabfragen zu.

• Finanzrisikomanagement: Identifiziert Risikozusammenhänge.

• Medizinische Diagnose: Unterstützt Ärzte bei Diagnose und Therapieempfehlungen.

Verwendung von AI-Knowledge-Graph

• Abhängigkeiten installieren: Verwenden Sie Python 3.11+ und installieren Sie die Pakete über pip install -r requirements.txt oder uv sync.

• Einstellungen konfigurieren: Konfigurieren Sie die Parameter in der Datei config.toml.

• System ausführen: Verwenden Sie den folgenden Befehl, um Text zu verarbeiten und einen Graphen zu erzeugen:

  python generate-graph.py --input your_text_file.txt --output knowledge_graph.html

• Oder verwenden Sie UV:

  uv run generate-graph.py --input your_text_file.txt --output knowledge_graph.html

• Ergebnis anzeigen: Öffnen Sie die erzeugte HTML-Datei im Browser.

Projektlink:https://github.com/robert-mcdermott/ai-knowledge-graph