llm-graph-builder
L
Llm Graph Builder
紹介 :
llm-graph-builderは、大規模言語モデル(OpenAI、Geminiなど)を活用して、非構造化データ(PDF、DOCS、TXT、YouTube動画、ウェブページなど)からノード、リレーションシップ、属性を抽出し、Langchainフレームワークを使用して構造化された知識グラフを作成するアプリケーションです。ローカルマシン、GCS、S3バケット、またはネットワークリソースからのファイルアップロード、LLMモデルの選択、知識グラフの生成に対応しています。
ターゲットユーザー :
データサイエンティスト、開発者、大量の非構造化データから情報を抽出し知識グラフを構築する必要がある専門家などを対象としています。この製品は、複雑なデータソースから有用な情報を抽出するプロセスを簡素化し、効率性を向上させ、知識の可視化と分析を促進するため、最適です。
総訪問数: 502.6M
最も高い割合の地域: US(19.34%)
ウェブサイト閲覧数 : 147.4K
使用シナリオ
学術論文から重要な概念を抽出し、分野の知識グラフを構築する。
ソーシャルメディアデータを分析し、トレンドと影響力のある人物を特定する。
社内文書を統合し、内部知識管理システムを構築する。
製品特徴
知識グラフの作成:LLMを使用して非構造化データを構造化された知識グラフに変換します。
スキーマの提供:カスタムスキーマを使用するか、設定で既存のスキーマを使用してグラフを生成します。
グラフの表示:Bloomで、特定のソースまたは複数のソースからのグラフを表示します。
データとの対話:対話型のクエリを通じてNeo4jデータベース内のデータと対話し、クエリ応答のソースに関するメタデータも取得できます。
ローカル展開:docker-composeで実行し、OpenAIとDiffbotに対応しています。
クラウド展開:Google Cloud Platformでのアプリケーションとパッケージの展開に対応しています。
環境設定:特定の機能または統合を有効にするために、必要に応じて環境変数を設定できます。
使用チュートリアル
1. Neo4jデータベースV5.15以降とAPOCがインストールされていることを確認します。
2. .envファイルを作成し、必要なAPIキーを入力して設定します。
3. ローカルファイル、YouTube動画、ウェブページなど、ファイルのソースを選択します。
4. システムにファイルをアップロードし、知識グラフ生成に使用するLLMモデルを選択します。
5. Bloomで生成された知識グラフを表示して分析します。
6. チャットボットを使用してデータベースと対話し、質問をして回答を取得します。
7. 必要に応じて環境変数と設定を調整して、さまざまな展開環境に対応します。
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase