NLP_知識圖譜_大模型——個人學習記錄

1.?自然語言處理、知識圖譜、對話系統三大技術研究與應用

https://github.com/lihanghang/NLP-Knowledge-Graph

深度學習-自然語言處理(NLP)-知識圖譜：知識圖譜構建流程【本體構建、知識抽取（實體抽取、關系抽取、屬性抽取）、知識表示、知識融合、知識存儲】 - 元気森林 - 博客園

https://www.cnblogs.com/-402/p/16529422.html

2.自然語言處理 --- NLP入門指南

https://blog.csdn.net/zwqjoy/article/details/103546648

3.自然語言處理方向項目和工具集合

https://github.com/HanXinzi-AI/awesome-NLP-resources

4.NLP_知識圖譜_介紹、構建、問答知識

https://blog.csdn.net/weixin_42504788/article/details/137715412

5.NLP實踐筆記

https://github.com/sherpahu/NLP_practice

https://github.com/sherpahu/NLP_practice/tree/master/markdown%E6%A0%BC%E5%BC%8F

6.funNLP

https://github.com/fighting41love/funNLP

7.老劉說NLP

https://github.com/liuhuanyong

老劉說知識圖譜實踐指引

老劉說知識圖譜實踐指引：知識圖譜代表性全流程開源項目、NER/RE關鍵模型與開放課程概述 - 智源社區

https://github.com/liuhuanyong/DomainWordsDict

8.NLP第20課：Neo4j 從入門到構建一個簡單知識圖譜

https://zhuanlan.zhihu.com/p/112382328

9.基于深度學習的開源中文知識圖譜抽取框架

https://github.com/zjunlp/DeepKE

10.【知識圖譜：從零開始的構建藝術】：一步步構建你的知識圖譜

https://wenku.csdn.net/column/193ttjzhkn

11.knowledge graph知識圖譜,從零開始構建知識圖譜

https://github.com/myhhub/KnowledgeGraph

12.知識圖譜構建流程步驟詳解

https://xushuai.blog.csdn.net/article/details/125061428

13.基于自然語言處理的金融知識圖譜構建系統

https://github.com/EasonWong0327/NLP-Knowledge_Graph

14.知識圖譜入門——認識知識圖譜

https://zhuanlan.zhihu.com/p/396516565

15.整理知識圖譜相關學習資料，提供系統化的知識圖譜學習路徑

https://github.com/husthuke/awesome-knowledge-graph

16.東南大學《知識圖譜》研究生課程

https://github.com/npubird/KnowledgeGraphCourse

17.【大模型:知識圖譜】--1.通俗易懂解釋知識圖譜

https://blog.csdn.net/qq_58602552/article/details/148130513

https://blog.csdn.net/qq_58602552/category_12897577.html

18.【GraphRAG】構建知識圖譜：從技術到實戰的完整指南

https://blog.csdn.net/2301_81888214/article/details/142761555

19.知識圖譜構建 DeepKg

https://github.com/powerycy/DeepKg

20.LLM 知識圖譜構建器：從零到 GraphRAG 只需五分鐘

https://fisherdaddy.com/posts/llm-knowledge-graph-builder/

https://neo4j.com/developer-blog/graphrag-llm-knowledge-graph-builder/

什么是 Neo4j LLM 知識圖譜構建器？

Neo4j LLM 知識圖譜構建器是一款創新的在線應用，無需編寫代碼和 Cypher 查詢，即可將非結構化文本轉化為知識圖譜，提供神奇的文本到圖譜體驗。

它使用機器學習模型 (大語言模型：OpenAI、Gemini、Diffbot) 將 PDF、網頁和 YouTube 視頻轉換為實體及其關系的知識圖譜。

21.從零構建知識圖譜：使用大語言模型處理復雜數據的11步實踐指南

https://blog.csdn.net/deephub/article/details/147948306

22.使用 LLM 從零構建知識圖譜

https://blog.csdn.net/weixin_53707653/article/details/148592255

23.基于大語言模型LLM 的知識圖譜生成工具

支持從文本中自動提取實體關系并可視化展示。

https://github.com/Tunnello/KnowledgeGraph-Streamlit

24.Python中LLM的知識圖譜構建：動態更新與推理

https://binarydreams.blog.csdn.net/article/details/145232666

25.語析 - 基于大模型的知識庫與知識圖譜問答平臺

https://blog.csdn.net/jaykm/article/details/145930433

https://github.com/xerrors/Yuxi-Know

基于智能體 RAG 知識庫的知識圖譜問答系統。Langgraph + VueJS + Flask + Neo4j。大模型適配 OpenAI、Ollama、vLLM、國內主流大模型平臺的模型調用。支持推理模型DeepSeek-R1、聯網檢索、工具調用。

26.林業病蟲害智能問答系統DeepForest

https://deepforest.weilanx.com/index.html

https://github.com/Azure12355/deep-forest

https://gitee.com/azure12355/deep-forest

27.知識圖譜：從0到 ∞

https://blog.csdn.net/hyc010110/category_12799114.html

28.fanjianglin知識圖譜

https://blog.csdn.net/fanjianglin/category_12628659.html

29.開源學習版！PDF到知識圖譜：DeepSeek與OpenAI，輕松部署本地langchain和neo4j問答系統Datagraphx學習版

https://www.bilibili.com/video/BV1Z5F5efEUZ/

DeepSeek與OpenAI模型：用于文本分析與自然語言處理。

LangChain：實現文檔處理與交互式問答。

Neo4j：用于構建與展示知識圖譜。

Plotly：用于圖數據庫可視化。

項目地址：https://github.com/adoresever/DataGraphX_Learn

30.農業知識圖譜(KG)

https://github.com/shanwf/Agriculture_KG

https://github.com/qq547276542/Agriculture_KnowledgeGraph

https://github.com/2019agriculture/Agriculture_KnowledgeGraph

https://github.com/chenjj9527/AgricultureKnowledgeGraph

農業知識圖譜(AgriKG)：農業領域的信息檢索，命名實體識別，關系抽取，智能問答，輔助決策。

該項目已停止維護。因此項目代碼僅供參考，項目中包含的數據可免費用于學術等非商業用途。

Github 項目推薦 | 農業知識圖譜(KG)：農業領域的信息檢索，命名實體識別-騰訊云開發者社區-騰訊云

農業知識圖譜(KG)：農業領域的信息檢索，命名實體識別

https://github.com/zhangyqCS/KnowledgeGraph_Agriculture

農業領域知識圖譜的構建，包括數據爬取(百度百科)、數據分類、利用結構化數據生成三元組、非結構化數據的分句(LTP)，分詞(jieba)，命名實體識別(LTP)、基于依存句法分析(主謂關系等)的關系抽取和利用neo4j生成可視化知識圖譜

https://github.com/JunKuang-algo/Agriculture-KnowledgeGraph-Data

對知識庫Wikidata的爬蟲以及數據處理腳本將三元組關系對齊到語料庫的腳本獲取知識圖譜數據的腳本

31.知識圖譜實戰項目推薦

https://www.163.com/dy/article/G0LBH82005380EIV.html

（1）知識圖譜構建，自動問答，基于kg的自動問答。以疾病為中心的一定規模醫藥領域知識圖譜，并以該知識圖譜完成自動問答與分析服務。

地址：https://github.com/liuhuanyong/QASystemOnMedicalKG

本項目立足醫藥領域，以垂直型醫藥網站為數據來源，以疾病為核心，構建起一個包含7類規模為4.4萬的知識實體，11類規模約30萬實體關系的知識圖譜。本項目將包括以下兩部分的內容：

基于垂直網站數據的醫藥知識圖譜構建
基于醫藥知識圖譜的自動問答

（2）本項目提出了中文復合事件的概念與顯式模式，包括條件事件、因果事件、順承事件、反轉事件等事件抽取，并形成事理圖譜。

地址：https://github.com/liuhuanyong/ComplexEventExtraction

（3）罪名法務智能項目,內容包括856項罪名知識圖譜, 基于280萬罪名訓練庫的罪名預測,基于20W法務問答對的13類問題分類與法律資訊問答功能.

地址：https://github.com/liuhuanyong/CrimeKgAssitant

本項目將完成兩個大方向的工作: 1, 以罪名為核心,收集相關數據,建成基本的罪名知識圖譜,法務資訊對話知識庫,案由量刑知識庫. 2, 分別基于步驟1的結果,完成以下四個方面的工作。

基于案由量刑知識庫的罪名預測模型
基于法務咨詢對話知識庫的法務問題類型分類
基于法務咨詢對話知識庫的法務問題自動問答服務
基于罪行知識圖譜的知識查詢

（4）中文人物關系知識圖譜項目,內容包括中文人物關系圖譜構建,基于知識庫的數據回標,基于遠程監督與bootstrapping方法的人物關系抽取,基于知識圖譜的知識問答等應用。

地址：https://github.com/liuhuanyong/PersonRelationKnowledgeGraph

（5）軍事知識圖譜。基于mongodb存儲的軍事領域知識圖譜問答項目，包括飛行器、太空裝備等8大類，100余小類，共計5800項的軍事武器知識庫，該項目不使用圖數據庫進行存儲，通過jieba進行問句解析，問句實體項識別，基于查詢模板完成多類問題的查詢，主要是提供一種工業界的問答思想。

地址：https://github.com/liuhuanyong/QAonMilitaryKG

（6）京東知識圖譜，基于京東網站的1300種商品上下級概念，約10萬商品品牌，約65萬品牌銷售關系，商品描述維度等知識庫，基于該知識庫可以支持商品屬性庫構建，商品銷售問答，品牌物品生產等知識查詢服務，也可用于情感分析等下游應用．

網址：https://github.com/liuhuanyong/ProductKnowledgeGraph

32.一些優秀的知識圖譜項目

https://blog.csdn.net/stay_foolish12/article/details/127220994

(1)利用網絡上公開的數據構建一個小型的證券知識圖譜/知識庫

https://github.com/lemonhu/stock-knowledge-graph

(2)醫療保險領域知識圖譜

https://github.com/AdiaLoveTrance/MedicalInsuranceKG

(3)農業知識圖譜(AgriKG)：農業領域的信息檢索，命名實體識別，關系抽取，智能問答，輔助決策

https://github.com/qq547276542/Agriculture_KnowledgeGraph

(4)漫威英雄的知識圖譜

https://github.com/YZHANG1270/Marvel_KnowledgeGraph

(5)基于知識圖譜的《紅樓夢》人物關系可視化及問答系統

https://github.com/chizhu/KGQA_HLM

(6)小型金融知識圖譜構建流程

https://github.com/jm199504/Financial-Knowledge-Graphs

(7)中式菜譜知識圖譜可視化（CookBook-KG）

https://github.com/ngl567/CookBook-KG

(8)從無到有構建一個電影知識圖譜，并基于該KG，開發一個簡易的KBQA程序

https://github.com/SimmerChan/KG-demo-for-movie

(9)上市公司高管圖譜

https://github.com/Shuang0420/knowledge_graph_demo

(10)紅樓夢人物關系圖譜

https://github.com/chizhu/KGQA_HLM

(11)通用領域知識圖譜

https://github.com/Pelhans/Z_knowledge_graph

(12)免費1.5億實體通用領域知識圖譜

https://github.com/ownthink/KnowledgeGraph

Tunnello/KnowledgeGraph-Streamlit

https://github.com/Tunnello/KnowledgeGraph-Streamlit

基于大語言模型LLM 的知識圖譜生成工具，支持從文本中自動提取實體關系并可視化展示。

demo

試用網址：https://knowledgegraph-app.streamlit.app/
介紹文章：使用大語言模型 + streamlit-agraph 生成和可視化知識圖譜

使用大語言模型 + streamlit-agraph 生成和可視化知識圖譜

zjunlp/DeepKE

基于深度學習的開源中文知識圖譜抽取框架

https://github.com/zjunlp/DeepKE/blob/main/README_CN.md

DeepKE?是一個開源的知識圖譜抽取與構建工具，支持cnSchema、低資源、長篇章、多模態的知識抽取工具，可以基于PyTorch實現命名實體識別、關系抽取和屬性抽取功能。同時為初學者提供了文檔，在線演示,?論文,?演示文稿和海報。

WenRichard/KBQA-BERT

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

基于BERT的KBQA探索：https://zhuanlan.zhihu.com/p/62946533

基于知識圖譜的問答系統，BERT做命名實體識別和句子相似度，分為online和outline模式

本項目主要由兩個重要的點組成，一是基于BERT的命名實體識別，二是基于BERT的句子相似度計算，本項目將這兩個模塊進行融合，構建基于BERT的KBQA問答系統，在命名實體識別上分為online predict和outline predict；在句子相似度上，也分為online predict和outline predict，2個模塊互不干擾，做到了高內聚低耦合的效果，最后的kbqa相當于融合這2個模塊進行outline predict，具體介紹請見知乎專欄！

環境配置