OpenSPG v0.0.3 发布,新增大模型统一知识抽取&图谱可视化

需求不明确
• 阅读 120


基于非结构化文档的知识构建一直是知识图谱大规模落地的关键难题之一,4 月 23 日,OpenSPG 发布 v0.0.3 版本,正式发布了大模型统一知识抽取功能,可大幅降低领域知识图谱的构建成本。还可用于增强大模型缓解幻觉并提升稳定性,加速大模型垂直领域的落地应用。

OpenSPG GitHub,欢迎大家Star关注~

https://github.com/OpenSPG/openspg

除了大模型统一知识抽取功能,v0.0.3 正式发布了产品可视化界面,为用户提供直观的数据探索和分析体验,能够帮助用户更轻松地理解复杂的关系网络。

v0.0.3 抢先使用
https://openspg.yuque.com/ndx6g9/nmwkzz/xht6kkegvs33cwwr

OpenSPG 产品可视化
OpenSPG 是以 SPG 框架为基础设计和实现的知识图谱开放引擎,它为领域图谱构建提供了明确的语义表示、逻辑规则定义、算子框架(构建、推理)等能力,支持各厂商可插拔的适配基础引擎、算法服务,构建自定义的解决方案。知识图谱是一种组织和集成信息的手段,它需要通过图形化的方式将数据中的实体、概念及其相互关系表示出来,从而为用户提供直观的数据探索和分析体验,帮助用户更轻松地理解复杂的关系网络。

本次更新 OpenSPG 发布了符合知识语义约束的可视化渲染,帮助用户更加直观地使用 Schema 知识建模、知识加工构建、DSL 查询分析推理等相关能力。为 OpenSPG 提供可视化界面,支持用户在页面上直观地查看建模结果,并支持在界面上进行交互式分析推理查询。

视频 1:Schema 知识建模及知识加工

视频 2:DSL 查询分析推理

了解详情:https://openspg.yuque.com/ndx6g9/nmwkzz/vwek1stpd4a5vwgv

支持 OneKE 大模型统一知识抽取
基于非结构化文档的知识构建一直是知识图谱大规模落地的关键难题之一,蚂蚁集团与浙江大学依托多年积累的知识图谱与自然语言处理技术,于 2024 年联合升级并发布新版中英双语知识抽取大模型 OneKE。OneKE 主要聚焦基于 Schema 可泛化的信息抽取,该模型基于难负采样和 Schema轮训式指令构造技术,专门针对提升大模型在结构化信息抽取的泛化能力进行了优化。能够帮助 OpenSPG 开发者更好地处理信息抽取、数据结构化、知识图谱构建等问题。

用户可以按照指引完成环境配置、模型权重获取、数据转换后直接使用 OneKE。用户按照 OpenSPG 结构定义 Schema 后,就可以运行知识抽取任务并提供了完善的 SFT 及抽取工具支持,做到开箱即用。

了解详情:https://openspg.yuque.com/ndx6g9/nmwkzz/dht0wtgycuw032gd

其他更新
Feature 1:可控生成发布基于构建算法逻辑的 DAG 构建执行能力。完成 LLM 的服务化:多 Lora,多 Prompt 能力。完成算法逻辑的一键部署能力及服务。Bugfix 1:修复 Schema 不可进行跨项目引用的 bug。

Bugfix 2:修复单次提交 Schema 不可相互指向的 bug。

未来计划
在 OpenSPG 的下一个版本中,我们将持续优化大模型的知识抽取能力,助力用户更加精准、高效地处理与运用知识资产;其次,将发布图谱增强的大模型可控框架,深度融合大模型和知识图谱技术,帮助用户更直观地引导和调控大模型的行为;还会进一步升级领域规则的知识化表示,着力丰富和完善领域特定的知识表达形式与标准,适配各业务场景,无缝对接用户既有系统与流程;最后,不断迭代升级产品的核心能力,并及时修复已发现的问题,以确保稳定、可靠的用户体验。

进群交流
也期待更多用户和开发者加入我们,共建新一代 AI 引擎框架。我们建立了 OpenSPG 技术交流群,欢迎添加小助手微信加入交流群:jqzn-robot。

点赞
收藏
评论区
推荐文章
知识图谱Knowledge Graph构建与应用
《新一代人工智能发展规划》明确提出了“建立新一代人工智能关键共性技术体系”的重点任务,特别强调了要解决“研究跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学、知识演化与推理、智能描述与生成等技术,开发跨媒体分析推理引擎与验证系统”的关键共性技术问题。一、知识图谱概论1.1知识图谱的起源和历史1.2知识图谱的发展史——从框架、本体论、语义网、链
Wesley13 Wesley13
3年前
##好好好####BERT meet Knowledge Graph:预训练模型与知识图谱相结合的研究进展
随着BERT等预训练模型横空出世,NLP方向迎来了一波革命,预训练模型在各类任务上均取得了惊人的成绩。随着各类预训练任务层出不穷,也有部分研究者考虑如何在BERT这一类模型中引入或者强化知识图谱中包含的信息,进而增强BERT对背景知识或常识信息的编码能力。本文主要关注于如何在BERT中引入知识图谱中信息,并survey了目前已公布的若干种方法,欢迎大家批评和
Stella981 Stella981
3年前
Jure Leskovec等顶尖学者倾情授课,斯坦福知识图谱课程完结
  机器之心报道  参与:杜伟、魔王斯坦福知识图谱春季课程视频上线B站,领域内顶尖学者和业界大牛倾情授课,对知识图谱感兴趣的小伙伴赶紧去观看吧!  从Google搜索,到聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统,这些应用无一不跟知识图谱相关。知识图谱在技术领域的热度也在逐渐上升。  但
知识图谱|知识图谱的典型应用
作者:cooldream2009 我们构建知识图谱的目的,在于利用知识图谱来做一些事情。有效利用知识图谱,就是要考虑知识图谱的具备的能力,知识图谱具有哪些能力呢,首先我们知道知识图谱包含了海量的数据,是一个超级知识库,所以我们可以依赖它进行搜索一
知识图谱:技术成熟度飞速跃升,与产业互联结合更加紧密
国双数据科学团队刘燕对比2020和2019年Gartner发布的人工智能领域的技术“成熟度曲线”(HypeCycle),在短短1年时间,知识图谱的成熟度由创新触发阶段一跃达到预期膨胀高峰阶段且非常接近最高点。知识图谱逐渐成为人工
胡赤儿 胡赤儿
1年前
知识图谱技术的深度解析与应用前景展望
在数字化时代,信息爆炸式增长,如何有效地组织、存储和查询知识成为了一个亟待解决的问题。知识图谱作为一种新型的知识表示和组织方式,正逐渐成为信息领域的研究热点。本文将对知识图谱的技术原理、构建方法以及应用前景进行深度解析,旨在为读者提供一个全面而深入的了解。
在知识库中,文本分割(分词)技术难点及解决方案
在通过飞速灵燕智能体平台构建智能知识库的过程中,文本分割作为知识处理的基础环节,其精度直接影响后续检索、问答及知识图谱构建的质量。传统基于固定长度的分割方法在面对复杂文档时,常面临语义断裂与处理效率的双重挑战,而结合结构化信息与智能模型的优化方案,正成为突
知识图谱自动化构建的探索与挑战
知识图谱自动化构建的探索与挑战|论文分享达观数据知识图谱的自动化构建是知识图谱中具有极强挑战性且巨大应用价值的技术方向。就实体抽取技术,达观数据副总裁、上海市人工智能技术标准委员会委员王文广提到“狭义的实体抽取,即命名实体识别(NER)技术发展至今已较为成熟,能够很好地抽取出人名、地名、机构名等少数类型的实体。但在知识图谱实际应用中,则需要抽取出各式各样各不
知识图谱进阶UP!UP!
知识图谱一、知识图谱概论1.1知识图谱始于20世纪50年代,至今大致分为三个发展阶段:•第一阶段(1955年—1977年)是知识图谱的起源阶段,在这一阶段中引文网络分析开始成为一种研究当代科学发展脉络的常用方法;•第二阶段(1977年2012年)是知识图谱的发展阶段,语义网得到快速发展,“知识本体”的研究开始成为计算机科学的一个重要领域,知识图谱