图谱实战 | 入门指引：知识图谱应用及基于大模型进行信息抽取的开源实践代表案例推介...

转载公众号 | 老刘说NLP

---

当前知识图谱与大模型融合之势已经逐步兴起，今天参加Datafuntalk数据智能创新与实践论坛中有专门的论坛进行了这方面工作的分享。

参加活动的社区朋友发来一图，很有意思，其援引老刘团队对知识图谱与ChatGPT的结合工作。

因此，如何能快速地了解知识图谱地工作并进行快速实践，成为了我们又要提及的话题。

具体应用又如上图，一个比较直观的例子。注：以上图的来源，取自工作《万字长文｜知识图谱之本体结构与语义解耦——知识建模看它就够了》，地址：https://mp.weixin.qq.com/s/Feb9wdD1VpR_0xw9w01VUw，大家可以进一步关注该系统性的论述，其论述了细致的做法。

事实上，关于知识图谱如何做一些基本的实践路线，我们已经在文章《老刘说知识图谱实践指引：知识图谱代表性全流程开源项目、NER/RE关键模型与开放课程概述》，地址https://mp.weixin.qq.com/s/Sa-Y_5iu_dgEM2B6JZuE0A中进行了论述。

为了将两个工作进行结合，本文整理了知识图谱与大模型结合的18个开源实践项目，供大家一起参考。

一、知识图谱与大模型结合的18个实践开源项目

1、实体/实体关系/事件数据标注

https://www.dgrt.cn/a/2021085.html
https://labelstud.io

2、python-xpath爬虫提取半结构化文本

https://www.coonote.com/python-note/xpath.html

https://github.com/sufadi/Python_BaikeSpider

3、开放三元组抽取

https://github.com/liuhuanyong/EventTriplesExtraction

https://github.com/WuHuRestaurant/xf_event_extraction2020Top1

4、实体识别

https://github.com/XavierWww/Chinese-Medical-Entity-Recognition

5、实体关系抽取

https://gitcode.net/mirrors/Mryangkaitong/Chinese_NRE?utm_source=csdn_github_accelerator

6、事件类型识别

https://github.com/qiufengyuyi/event_extraction

7、事件要素抽取

https://github.com/qiufengyuyi/event_extraction

8、因果关系抽取

https://aistudio.baidu.com/aistudio/projectdetail/1825636

9、实体标准化对齐

https://github.com/DataArk/CHIP2021-Task3-Top3

10、短文本实体链接

https://github.com/bojone/el-2019

https://github.com/panchunguang/ccks_baidu_entity_link

https://spaces.ac.cn/archives/6919/comment-page-1?replyto=11970

11、实体与关系嵌入表示

https://github.com/Anery/transE

12、图嵌入表示

https://github.com/shenweichen/GraphEmbedding

13、实体链接预测

https://github.com/jiangnanboy/albert_link_prediction

14、知识图谱可视化

https://github.com/BrambleXu/KGQA_SG

https://github.com/chizhu/KGQA_HLM

https://github.com/WenRichard/KBQA-Exploration/tree/master/Starts-War-Graph

15、KBQA问答

https://github.com/WenRichard/KBQA-BERT

https://github.com/duterscmy/ccks2019-ckbqa-4th-codes

https://github.com/CLUEbenchmark/KgCLUE

https://github.com/bojone/KgCLUE-bert4keras

https://github.com/CLUEbenchmark/KgCLUEbench

16、基于LLM进行知识图谱信息抽取

https://github.com/cocacola-lab/ChatIE

https://github.com/HarderThenHarder/transformers_tasks/blob/main/UIE

https://github.com/HarderThenHarder/transformers_tasks/blob/main/LLM/zero-shot/readme.md

17、基于ppstructure进行版面分析与表格提取

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/ppstructure/README_ch.md

18、基于LLM进行文档问答

https://github.com/imClumsyPanda/langchain-ChatGLM

https://github.com/thomas-yanxin/LangChain-ChatGLM-Webui

---

OpenKG

OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。

点击阅读原文，进入 OpenKG 网站。