github.devotd.
新发现检索增强与搜索

neo4j-labs/llm-graph-builder v0.8.7 — 从非结构化数据构建知识图谱

介绍 neo4j-labs/llm-graph-builder 的最新版本 v0.8.7,该项目从 PDF、DOC、TXT、YouTube 视频、网页等非结构化数据中抽取实体与关系,并将知识图谱存入 Neo4j。

仓库信息neo4j-labs/llm-graph-builder ↗

介绍 neo4j-labs/llm-graph-builder 的最新版本 v0.8.7,该项目从 PDF、DOC、TXT、YouTube 视频、网页等非结构化数据中抽取实体与关系,并将知识图谱存入 Neo4j。

GitHub 项目说明: Neo4j graph construction from unstructured data using LLMs

星标
★ 5.3K
复刻
885
语言
Jupyter Notebook
许可证
Apache-2.0
最新版本
v0.8.7
查看原始来源 ↗在 GitHub 查看 ↗

neo4j-labs/llm-graph-builder 的最新版本是 v0.8.7。这是一个 Web 应用,它使用大型语言模型(LLMs)和 LangChain 处理 PDF、DOC、TXT、YouTube 视频、网页等非结构化数据,抽取实体与关系构建知识图谱(knowledge graph),并将其保存到 Neo4j。

这个仓库的核心是把多个来源的资料汇入同一条流程,再围绕图谱展开对话。本地文件,以及 GCS、S3 和网页地址上的资料,都可以放进同一条流水线,使用的 LLM 和 schema 也可以自行选择。知识图谱指的是把从文档中抽取出的实体与关系连接起来的结构,生成的图谱可以在 Neo4j Bloom 中查看。还有一项功能,可以在与数据对话时以元数据的方式查询某个回答来自哪个来源。许可证为 Apache-2.0,主要语言是 Jupyter Notebook,GitHub 星标数为 5283,创建日期为 2024-01-11。

不过,收集到的信息中没有 v0.8.7 的变更内容。只能确认发布版本号,无法得知这一版本究竟改了什么。也没有给出性能指标或基准测试,因此按 10 分制评估时只有动量项为 1.0,新鲜度、技术和质量各项均为空。保留来源元数据的设计在回溯响应时很有用,但它并不能替代准确率或处理速度。在发布说明中确认变更内容之前,很难判断这次版本究竟改进了什么。