基于大模型的开源架构下的知识图谱构建

随着大模型的蓬勃发展，知识图谱的技术门槛日渐降低，之前提取知识关系是一个知识图谱的核心难点，即使构建的用户界面、业务流程、图数据存储、知识标记都非常完美，但是提取知识这块重中之重一直没有太优秀的解决方案。

目前各种大模型不断升级，智能不断提高，基于大模型实现的，开源架构的知识图谱变得操作性强，易落地，并且知识提取准确、高效。

本文重点介绍基于大模型构建的，开源架构的知识图谱实现思路。

整体的架构思路可以参考下图，

基于大模型的知识图谱构建思路

基于大模型构建知识图谱有如下的几个步骤，

1. 给大模型喂数据，让大模型提取知识关系

2. 获取知识关系，存储到图数据库

3. 通过WEB前端，展示知识图谱

步骤整体来说，相对比较简单，可以参考下图：

接下来，我们分别讲一下中间各个元素的实现方式，

1. 大模型

大模型可以采用外部大模型，比如OpenAI的ChatGPT、百度的文心一言、阿里的通义千问等等。

大模型也可以采用开源的大模型本地化部署，通常本地化部署采用ollama来部署，常见的大模型有Llama3、Phi-3等等。

2. 图数据库

图数据库不是指存储图片，而是存储图谱关系，一般是类似三元数据关系，A--(关系)-->B，常见的图数据库有Neo4J、Nebula Graph、GraphDB等等。

基本上大部分图数据库都可以满足知识图谱的存储，没有特别要求，我们可以选择其中任意一个，也可以选择市场占有率高社区支持更好的一种，比如Neo4J、Neula Graph。

3. Web展示

Web展示一般通过Javascript来实现，当然Neo4j也自带了Web的js界面，不过通过统一的开源的JS库会有更多应用和灵活定制，开源的JS经过对比了大量的图谱实现，我们重点推荐的有如下几个，

3.1 Graphvis

注意Graphvis而不是Graphviz，GraphVis是由原生JavaScript开发的一款交互式图数据可视化工具库，使用简单，性能高效，内置丰富的图布局和分析算法，有中文说明和示例，官网网址 http://www.graphvis.cn/

3.2 Cytoscape

Cytoscape是一款老牌的网络图谱展示库，尤其应用在网络关系拓扑、生物分子关系等方面，在科研领域里面有相当多的应用，社区支持也比较好。

3.3 Echarts

ECharts 是一个由百度团队开发的开源可视化库，ECharts 提供了丰富的图表类型，包括折线图、柱状图、饼图、散点图、雷达图、地图、K线图、仪表盘、热力图、平行坐标图、桑基图、漏斗图、箱型图等。

Echarts的优点是功能强大，缺点也是一样，功能多余强大，而不是专注做网络关系、拓扑关系的，所以略显臃肿。

综上，通过上述架构，可以快速地搭建一个学科知识图谱，基于开源的框架架构优点是容易扩展和修改，当然缺点是选项难（可选项多），调试困难（出Bug解决需要专业人员），还有就是开发成本。

我们也通过Drupal CMS + 大模型 + 图数据库完整的实现了知识图谱，如有需要可以加作者微信获取详情。

创作不易，转载请注明出处！

更多Drupal CMS相关内容，请参考我们其他相关文章，