OpenSPG 新版发布:新增大模型知识抽取,3 步快速搭建专属知识图谱
随着 ChatGPT 的横空出世,大模型已然成为人工智能领域的焦点。大模型在语言理解、对话生成方面表现得尤其亮眼,而知识图谱则擅长大模型所无法解决的事实性 “幻觉” 和复杂推理问题。将知识图谱和大语言模型结合起来,充分发挥各自的优势,能为用户提供更优质的人工智能服务和产品。
去年 10 月 26 日,OpenSPG 正式开源,希望和社区一起共同推动知识图谱技术的发展和大模型 + 知识图谱双驱技术的落地应用。今年 1 月 10 日,OpenSPG 发布了 0.0.2 版本,旨在帮助用户进一步降低知识图谱的使用门槛,并通过神经网络框架 NN4K,为 OpenSPG 接入简单易用、模式统一的大模型服务。
GitHub: https://github.com/OpenSPG/openspg,欢迎大家 Star 关注~
下面将为大家一一介绍这些最新功能:
亮点一览
- 镜像版支持一键安装部署,只需 2 行命令即可完成 OpenSPG 服务端和客户端部署;
- 发布知识建模最佳实践指导原则,只需记住 7 个原则就可以搞定 SPG 图谱建模,无需理解复杂的图谱术语;
- 基于 KNext 可编程框架,用户只需 3 个步骤即可完成知识构建,Schema 面向对象建模、开发知识构建算子以及编排 BuilderChain,快速完成单图谱构建;
- 基于 NN4K 支持大模型知识抽取,提供完整的 LLM SFT、SPG Based AutoPrompt 和 LLM Invoker 完整链路,并内置 GPT 链路;
- 开源逻辑规则推理 Reasoner,可体验完备的逻辑规则与基础事实融合的全新知识推理引擎。
更新 1:2 条命令搞定安装部署
OpenSPG 0.0.2 开始支持镜像版一键安装部署,用户只需要运行 2 条 Docker 命令就可以完成部署。
OpenSPG 将整个应用分为客户端和服务端,客户端包含 KNext 框架,Builder 和 Reasoner 引擎,服务端包含 Schema 服务,TuGraph 图存储引擎,ElasticSearch 搜索引擎。客户端和服务端分别提供 Docker 镜像的快速部署。
👉 了解详情: https://spg.openkg.cn/tutorial/installation/installation
更新 2:7 个原则搞定 Schema 建模
为了帮助大家更好地理解和应用 SPG 构建知识图谱,我们从 SPG 建模的最佳实践中总结出 7 个原则,发布在 OpenSPG 0.0.2 的用户文档中,并且每个原则都搭配了相关示例进行说明。用户只需要了解这 7 个原则,就能够搞定知识图谱的 Schema 建模。
👉 了解详情: https://spg.openkg.cn/introduction/schema
https://spg.openkg.cn/tutorial/schema/best_practice
更新 3:升级 KNext 可编程框架,3 个步骤实现知识构建
KNext 框架定义了 Chain,Component,Operator 等抽象模型,用户可以基于这些模型快速构建和使用图谱。
Component 定义图谱组件化能力,比如知识抽取,知识映射,知识推理等。Chain 将这些组件化能力串连完成图谱构建或者推理等流程。Operator 定义了 4 类算子,包含知识抽取、实体链指、关系预测、知识融合,用户可以自定义这些算子完成知识图谱构建过程中的复杂处理。每个任务只需要关注单类型要素及一跳出边的构建,系统会自动完成复杂子图的组装和构造,将图谱构建成本降到更低。
👉 了解详情: https://spg.openkg.cn/introduction/knext
更新 4:基于 NN4K 的大模型知识抽取
ChatGPT 在多种任务中表现出的智能令人印象深刻,使用 ChatGPT 和其他大语言模型增强知识图谱,可使知识图谱的构建过程更加准确和自动化,为此我们抽象了适合知识图谱的神经网络框架 NN4K。
NN4K 是一个神经网络模型的开发、管理、服务框架,为 OpenSPG 提供简单易用、模式统一的大模型服务。此次发布我们实现了在知识图谱构建过程中,调用大语言模型技术帮助构建图谱。与 OpenAI API 兼容的大语言模型服务,可通过修改配置方便接入;与 OpenAI API 不兼容的大语言模型服务,用户可通过开发自定义 NNInvoker 的方式接入。
👉 了解详情: https://spg.openkg.cn/tutorial/knext/nn4k
更新 5:开源规则推理 Reasoner
规则推理是知识图谱非常重要的一部分,将图谱的事实知识抽象并关联到具有实际的商业价值的逻辑知识。在 OpenSPG 0.0.2 中开源了完整的 Reasoner 能力,包括语法解析,执行计划,推理执行引擎。同时执行引擎侧定义 RDG 引擎扩展层,允许用户将推理能力迁移到自有图计算引擎。
👉 了解详情: https://spg.openkg.cn/introduction/reasoner
作为 2024 年的第一个版本,OpenSPG 在提高易用性,以及和大模型技术结合上迈出了第一步。2024 年我们将持续持续深化 SPG 与 LLM 双向驱动的技术范式,开源新一代知识引擎完整技术栈。在这个过程中,持续提升 SPG 的语义表达能力,提升易用性降低使用门槛,发布更多开箱即用的工具包、案例最佳实践、教学案例视频等。也期待社区同仁一起加入共建新一代 AI 引擎框架。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
深入了解浮点运算——CPU 和 GPU 算力是如何计算的
随着国家大力发展数字经济,算力的提升和普惠变得越来越重要。在数字化时代,算力已成为推动科技发展和创新的关键要素。它不仅仅是衡量计算机处理速度的标准,还涉及计算机系统或设备执行计算任务的能力、数据处理能力以及解决复杂计算问题的能力。那么算力到底是什么呢? 简单了解算力 算力(Computational Power)在计算机科学和计算领域中是一个重要概念,它指的是计算机系统或设备执行数值计算和处理任务的能力。提升算力意味着可以更快地执行复杂的计算任务,从而提高计算的效率和性能。简单来说,算力决定了计算机处理信息的速度和效率,直接影响我们使用电子设备的体验,例如网页加载速度和游戏流畅度等。 在数字经济时代,算力是新的生产力,为加强数字政府建设、激活数据要素潜能以及实现各行各业的数字化转型提供了动力。据中国信息通信研究所的测算,每投入1元的算力,可以带动3至4元的经济产出。算力的提升对经济具有巨大的影响力。根据统计数据显示,每提高一个算力指数点,可以带动数字经济增长 0.36% 和 GDP 增长 0.17%。 那算力大小具体是如何衡量的呢?这里就必须提及浮点运算,接下来我们来了解下浮点运算这个...
- 下一篇
[抢先看] 开源数据中台系统 DataCap 2024.01.1 开发已经完成 81%
推荐一套基于 SpringBoot 开发的简单、易用的开源权限管理平台,建议下载使用: https://github.com/devlive-community/authx 推荐一套为 Java 开发人员提供方便易用的 SDK 来与目前提供服务的的 Open AI 进行交互组件:https://github.com/devlive-community/openai-java-sdk 推荐一套全平台数据库管理工具,建议下载使用: https://github.com/devlive-community/dbm 随着时间的推移 DataCap 2024.01.1 开发已经完成 81%,他将带着全新功能与大家见面。 这是 2024 年的第一个版本,推出的新功能也开启了开门红。 目前还在开发的列表为: 已经完成的功能模块为: 在新版本中我们增加了大量新功能,新插件,增强了上个版本的仪表盘和数据集功能。 增加了多个 SQL 解析器:Trino, MySQL 后续会推出更多的解析器。 重构了执行器模块以及 SPI,支持了 LocalExecutor,SeatunnelExecutor,更多的执行器...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS关闭SELinux安全模块
- CentOS6,CentOS7官方镜像安装Oracle11G
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS8编译安装MySQL8.0.19