Knowledge Graph Generator

基于大语言模型LLM 的知识图谱生成工具，支持从文本中自动提取实体关系并可视化展示。

demo

试用网址：https://knowledgegraph-app.streamlit.app/
介绍文章：使用大语言模型 + streamlit-agraph 生成和可视化知识图谱

项目介绍

本项目是一个基于大语言模型的知识图谱生成工具，可以自动从输入文本中提取实体和关系，并生成可视化的知识图谱。目前支持智谱 AI 和 Azure OpenAI 两种模型供应商。

主要特性

• 🤖 支持多个 LLM 供应商
  • 智谱 AI (GLM-4)
  • Azure OpenAI
• 📊 知识图谱可视化
  • 交互式图形界面
  • 节点和边的自定义样式
  • 支持图谱缩放和拖拽
• 🎯 简单易用的 Web 界面
  • Streamlit 构建的直观界面
  • 实时反馈和错误提示
  • 支持大段文本输入

安装说明

环境要求

• Python 3.8+
• pip
• langchain==0.2.16
• langchain-community==0.2.16
• langchain-core==0.2.38
• langchain-text-splitters==0.2.4
• langdetect==1.0.9
• streamlit==1.38.0
• streamlit-agraph==0.0.45
• zhipuai==2.1.5.20230904

安装步骤

1. 克隆项目

git clone https://github.com/yourusername/KnowledgeGraph-Streamlit.git
cd KnowledgeGraph-Streamlit

2. 安装依赖

pip install -r requirements.txt

3. 运行应用

streamlit run app.py

使用指南

配置 API

1. 智谱 AI

   • 访问 智谱 AI 开放平台
   • 注册账号并创建应用
   • 获取 API 密钥

2. Azure OpenAI

   • 访问 Azure Portal
   • 创建 Azure OpenAI 服务
   • 获取 API 密钥和配置信息

使用步骤

1. 启动应用后，在侧边栏：

   • 选择 LLM 供应商（默认为智谱 AI）
   • 输入对应的 API 密钥

2. 在主界面：

   • 在文本框中输入待分析文本
   • 点击"Extract Knowledge"按钮
   • 等待知识图谱生成
   • 查看可视化结果

示例输入

人工智能是计算机科学的一个分支，它包含机器学习和深度学习两个重要领域。
机器学习使用统计方法来让计算机系统逐步改善性能，而深度学习则是基于神经网络的一种特殊机器学习方法。

项目结构

knowledge-graph-generator/
├── app.py              # 主应用程序
├── llm_utils.py        # LLM 调用工具
├── utils.py            # 通用工具函数
├── requirements.txt    # 项目依赖
└── README.md           # 项目文档

技术栈

• 前端框架: Streamlit
• 图形可视化: streamlit-agraph
• LLM 接口:
  • langchain-community
  • Azure OpenAI
• 数据处理: Python 标准库

注意事项

1. API 密钥安全

   • 不要在代码中硬编码 API 密钥
   • 建议使用环境变量管理密钥
   • 定期更换 API 密钥

2. 使用限制

   • 注意 API 调用频率限制
   • 单次文本长度限制
   • 知识图谱节点数量至少需要 3 个

3. 性能优化

   • 大文本建议分段处理
   • 适当调整模型参数
   • 缓存常用结果

常见问题

1. Q: 为什么图谱生成失败？ A: 常见原因：

   • API 密钥无效或过期
   • 输入文本过短或实体关系不足
   • 网络连接问题

2. Q: 如何提高图谱质量？ A: 建议：

   • 使用结构化的输入文本
   • 调整模型温度参数
   • 增加输入文本的实体密度

贡献指南

致谢

感谢以下项目和工具：

• Streamlit
• 智谱 AI
• Azure OpenAI