# 知識グラフ

語析Yuxi-Knowは、大規模言語モデルRAGナレッジベースに基づく知識グラフQ&Aシステムであり、Llamaindex + VueJS + Flask + Neo4jを使用して構築されています。OpenAI、国内の主要な大規模言語モデルプラットフォームのモデル呼び出し、およびローカルvllm展開をサポートしており、ナレッジベースQ&A、知識グラフ検索、インターネット検索などの機能を実現します。このシステムの主な利点は、さまざまなモデルへの柔軟な適応性、複数のナレッジベース形式のサポート、そして強力な知識グラフ統合機能です。効率的な知識管理とインテリジェントなQ&Aを必要とする企業や研究機関に適しており、高い技術的先進性と実用性を備えています。

Graphitiは、絶え間なく変化する情報と複雑な関係の進化を処理することを目的とした、動的な時系列知識グラフ構築に特化した技術モデルです。意味検索とグラフアルゴリズムを組み合わせることで、非構造化テキストと構造化JSONデータからの知識抽出をサポートし、時点クエリを実行できます。GraphitiはZepメモリ層の中核技術であり、長期記憶と状態ベースの推論をサポートし、動的なデータ処理と複雑なタスクの自動化が必要なアプリケーションシナリオ（販売、顧客サービス、ヘルスケア、金融など）に適しています。

kg-genは、一般テキストから知識グラフを抽出できるAIベースのツールです。短い1文から長い文書まで、さらには会話形式のメッセージにも対応できます。高度な言語モデルと構造化出力技術を活用することで、ユーザーは知識グラフを迅速に構築できます。自然言語処理、知識管理、モデルトレーニングなどの分野に最適です。kg-genは柔軟なインターフェースと多様な機能を提供し、知識グラフ生成プロセスの簡素化と効率向上を目指しています。

KET-RAG（Knowledge-Enhanced Text Retrieval Augmented Generation）は、知識グラフ技術を統合した強力な検索強化型生成フレームワークです。知識グラフのスケルトンやテキストキーワード二部グラフなどの多粒度索引フレームワークを通じて、効率的な知識検索と生成を実現します。このフレームワークは、索引コストを削減しながら、検索と生成の品質を大幅に向上させ、大規模なRAGアプリケーションシナリオに適しています。KET-RAGはPythonで開発されており、柔軟な設定と拡張をサポートし、効率的な知識検索と生成を必要とする開発者や研究者向けです。

VideoRAGは、極めて長いコンテキストを持つビデオの理解と処理に特化した、革新的な検索拡張型生成フレームワークです。グラフ駆動型のテキスト知識アンカーと階層型マルチモーダルコンテキストエンコーディングを組み合わせることで、長さの制限のないビデオの理解を実現します。このフレームワークは、知識グラフを動的に構築し、複数のビデオコンテキストのセマンティックな一貫性を維持し、適応型マルチモーダル融合メカニズムによって検索効率を最適化します。VideoRAGの主な利点としては、効率的な極長コンテキストビデオ処理能力、構造化されたビデオ知識インデックス、マルチモーダル検索能力があり、複雑なクエリに対する包括的な回答を提供できます。このフレームワークは、長尺ビデオ理解分野において重要な技術的価値と応用可能性を秘めています。

Data Commonsは、世界中の公共データを統合し、統一的な知識グラフを提供することで、ユーザーがデータを容易に探索および分析できるようにすることを目指した、強力な公共データプラットフォームです。Googleが主導しており、様々なデータソースの統合をサポートし、豊富な可視化ツールとAPIインターフェースを提供することで、ユーザーによるデータ探索と研究を促進します。Data Commonsの主な利点は、データの標準化と統一化であり、ユーザーは強力なツールを使用して、複雑な前処理を行うことなく、迅速にデータを取得および分析できます。さらに、コミュニティ貢献をサポートしており、ユーザーは独自の分析や知見を共有し、データサイエンスの発展を共同で推進できます。Data Commonsは、研究者、データアナリスト、政策立案者、そして公共データに基づいて意思決定を行う必要があるあらゆる集団にとって適しており、無料のアクセスモデルによりデータ利用のハードルを下げ、データの広範な普及と応用を促進します。

Potpieは、開発者を対象としたテクノロジー?プラットフォームです。コードベースに基づいたAIエージェントを構築することで、デバッグ、テスト、システム設計、コードレビュー、ドキュメント生成などのタスクを支援します。強力な知識グラフ技術を活用し、AIエージェントはコードベースのコンテキストを深く理解することで、高度な精度でエンジニアリングタスクを実行できます。Potpieの主な利点は、高度なカスタマイズ性と容易な統合性であり、開発効率とコード品質の大幅な向上に貢献します。無料トライアルを提供しており、オープンソース版も選択可能です。

GraphAgentは、明示的なグラフ依存関係と暗黙的なグラフ拡張意味依存関係を処理するように設計された、自動化されたエージェントパイプラインであり、ノード分類などの予測タスクや、テキスト生成などの生成タスクに対応します。3つの主要なコンポーネントから構成されます。複雑な意味的依存関係を反映した知識グラフを構築するグラフ生成エージェント、様々なユーザークエリを解釈し適切なタスク計画を策定する計画エージェント、そして計画されたタスクを効率的に実行し、ツールのマッチングと呼び出しを自動化する実行エージェントです。GraphAgentは、言語モデルとグラフ言語モデルを統合することで、複雑な関係情報とデータの意味依存関係を明らかにします。

StoryWeaverは、知識増強型ストーリーキャラクターのカスタマイズを目的とした統一世界モデルです。単一および複数キャラクターのストーリーの視覚化を実現します。AAAI 2025論文に基づき、統一的なフレームワークでストーリーにおけるキャラクターのカスタマイズと視覚化を処理できるため、自然言語処理と人工知能の分野において重要な意味を持ちます。StoryWeaverの主な利点には、複雑なストーリー状況を処理できる能力と、機能を継続的に更新?拡張できることが挙げられます。製品背景情報として、本モデルはarXiv論文を継続的に更新し、より多くの実験結果を追加していく予定です。

WhyHow ナレッジグラフスタジオは、RAGネイティブ知識グラフの作成と管理を簡素化するためのオープンソースプラットフォームです。ルールベースのエンティティ解析、モジュール式グラフ構築、柔軟なデータ取得、API優先設計、SDKサポートを提供します。NoSQLデータベース上に構築されており、柔軟で拡張可能なストレージ層を提供し、複雑な関係データの検索とトラバーサルを容易にします。構造化データと非構造化データの両方の処理、探索的グラフや高度にパターン化された制約グラフの構築に適しており、スケーラビリティと柔軟性を備え、実験や大規模な使用に適しています。

Graphusionは、テキストから知識グラフのトリプルを抽出するためのパイプラインツールです。概念抽出、候補トリプル抽出、トリプル融合を含む一連の手順を通じて、知識グラフを構築します。このツールは、研究者や開発者が大量のテキストデータから構造化情報を自動的に抽出し、知識管理やデータサイエンスプロジェクトを支援できるため重要です。Graphusionの主な利点には、自動化処理能力、さまざまなデータセットへの適応性、柔軟な構成オプションが含まれます。製品の背景情報によると、Graphusionはtdurieuxによって開発され、GitHubで関連するコードとドキュメントを見つけることができます。現在、このツールは無料ですが、具体的な価格設定は開発者の更新とメンテナンス状況によって変わる可能性があります。

KAG（Knowledge Augmented Generation）は、専門分野の知識サービスフレームワークです。知識グラフとベクトル検索の長所を活かし、大規模言語モデルと知識グラフを双方向に強化することで、RAG（Retrieval Augmentation Generation）技術におけるベクトル類似性と知識推論の関連性の大きなずれや、知識論理への非対応といった問題を解決します。KAGは、多段階質問応答タスクにおいて、NaiveRAGやHippoRAGなどの手法を大幅に上回る性能を示し、例えばhotpotQAにおけるF1スコアは19.6%向上、2wikiでは33.5%向上しました。KAGは既に、アリババグループの行政関連質問応答と健康関連質問応答という2つの専門知識質問応答タスクに導入され、RAG手法と比べて専門性の著しい向上が確認されています。

GraphReasoningは、生成AI技術を用いて1000本の科学論文を知識グラフに変換するプロジェクトです。構造解析、ノード次数計算、コミュニティと接続性の特定、クラスタ係数と中心性の評価を通じて、魅力的な知識構造を明らかにします。この無尺度特性を持つ高度に相互接続されたグラフは、グラフ推論に使用でき、推移性と同型性を活用して前例のない学際的な関係性を明らかにし、問題への回答、知識ギャップの特定、前例のない材料設計と材料挙動の予測に役立ちます。

Local Knowledge GraphはFlaskベースのWebアプリケーションです。ローカルのLlama言語モデルを使用してユーザーの問い合わせを処理し、段階的な推論を生成し、インタラクティブな知識グラフとして思考プロセスを視覚化します。また、意味的な類似性に基づいて関連する質問と回答を検索して表示します。主な利点としては、推論プロセスのリアルタイム表示、動的な知識グラフによる視覚化、最強の推論経路の計算と表示、意味的な類似性に基づいた関連するQ&Aなどが挙げられます。

SciAgentsDiscoveryは、マルチエージェントシステムと大規模なオントロジー知識グラフを活用し、科学研究を自動化するシステムです。大規模言語モデル、データ検索ツール、マルチエージェント学習システムを統合することで、研究仮説の自律的な生成と改良を行い、潜在的なメカニズム、設計原則、予期せぬ材料特性を明らかにします。本システムは、生物模倣材料分野において、従来の人間主導型研究方法を超える、学際的な関係性の発見能力を実証しています。

muAgentは、知識グラフエンジンを駆動とした革新的なAgentフレームワークであり、マルチエージェントオーケストレーションと協調技術をサポートしています。LLM+EKG（Eventic Knowledge Graph、業界知識を担う）技術を活用し、FunctionCall、CodeInterpreterなどを組み合わせることで、キャンバス形式のドラッグアンドドロップと簡潔なテキスト記述によって、複雑なSOPプロセスの自動化を実現します。muAgentは市場に出回っているあらゆるAgentフレームワークとの互換性を持ち、複雑な推論、オンライン協調、人的インタラクション、知識の即時利用といったコア機能を備えています。このフレームワークは、アリババグループの複数の複雑なDevOpsシナリオで実証済みです。

iText2KGは、大規模言語モデルを活用してテキストドキュメントからエンティティとリレーションを抽出し、一貫性のある知識グラフをインクリメンタルに構築するためのPythonパッケージです。ゼロショット学習に対応しており、特定の訓練なしに様々な分野で知識抽出が可能です。ドキュメント蒸留、エンティティ抽出、リレーション抽出モジュールを含み、エンティティとリレーションの一意性を確保します。Neo4jを用いて知識グラフを視覚化し、構造化データのインタラクティブな探索と分析をサポートします。

Fact Finderは、オープンソースのインテリジェントな質問応答システムです。自然言語モデルと知識グラフを使用して、自然言語による回答と証拠を生成します。このシステムは、自然言語モデルを呼び出してCypherクエリを生成し、知識グラフをクエリして回答を取得し、別の自然言語モデル呼び出しを使用して最終的な自然言語回答を生成します。Fact Finderの主な利点としては、透明性を提供し、ユーザーがクエリと証拠を確認できること、視覚化されたサブグラフによって直感的な証拠を提供できることが挙げられます。

Easy-RAGは、検索拡張生成（RAG）システムです。学習者がRAG技術を理解し習得するのに適しているだけでなく、開発者による使用と自主的な拡張も容易です。知識グラフ抽出解析ツール、rerankによる再ランキング機構、faissベクトルデータベースなどを統合することで、検索効率と生成品質を向上させています。

Triplexは、大量の非構造化データを構造化データに変換できる革新的なオープンソースモデルです。知識グラフ構築において、gpt-4oを上回り、コストは1/10に抑えられています。非構造化テキストを知識グラフ構築の基礎となる意味的三項組に効率的に変換することで、知識グラフ作成コストを大幅に削減します。

Memaryは、自律型エージェント向けに設計されたオープンソースのメモリレイヤーです。人間の記憶を模倣することで、エージェントの推論能力と学習能力を向上させます。Neo4jグラフデータベースを使用して知識を保存し、Llama IndexとPerplexityモデルを組み合わせて、知識グラフの検索能力を強化しています。Memaryの主な利点には、自動メモリ生成、メモリモジュール、システム改善、および記憶の遡及などが含まれ、最小限の開発者による既存エージェントとの統合を目指し、ダッシュボードを通じてメモリ分析とシステム改善の視覚化データを提供します。

knowledge_graph_makerは、与えられたオントロジーに基づいて任意のテキストを知識グラフに変換できるPythonライブラリです。知識グラフは、現実世界のエンティティ間のネットワークとその関係を表すセマンティックネットワークです。このライブラリは、グラフアルゴリズムと中心性計算を通じて、テキスト内容の深い分析、概念間の連結性分析、そしてグラフ検索強化生成（GRAG）技術によるテキストとの対話深化を支援します。

RDFoxは、オックスフォード大学コンピュータサイエンス学科の3人の教授が、数十年にわたる知識表現と推論（KRR）研究に基づいて開発した、ルール駆動型AI技術です。その独特の特長は以下の通りです。1. 強力なAI推論能力：RDFoxは、人間のようにデータから知識を創り出し、事実を基に推論を行い、結果の正確性と説明可能性を保証します。2. 高性能：メモリ上で動作する唯一の知識グラフとして、RDFoxはベンチマークテストにおいて他のグラフ技術をはるかに凌駕し、数十億件のトリプルの複雑なデータストアを処理できます。3. スケーラブルな展開：RDFoxは非常に高い効率性と最適化された占有スペースを備えており、エッジやモバイルデバイスに組み込み、AIアプリケーションのブレインとして独立して動作させることができます。4. エンタープライズレベルの機能：高性能、高可用性、アクセス制御、説明可能性、人間のような推論能力、データインポートとAPIサポートなどを備えています。5. インクリメンタル推論：RDFoxの推論機能は、データの追加や削除時に即座に更新され、パフォーマンスに影響を与えることなく、再読み込みの必要がありません。

GraphRAG-Ollama-UIは、MicrosoftのGraphRAGをベースとしたローカルモデル対応版です。Ollamaを使用してローカルモデルをサポートしており、Gradio UIを通じてインタラクティブなユーザーインターフェースを提供することで、データ管理、クエリ実行、結果の視覚化を容易にします。主な利点としては、ローカルモデルのサポート、コスト効率の高さ、インタラクティブなユーザーインターフェース、リアルタイムのグラフ可視化、ファイル管理、設定管理、出力の探索、ログ記録などが挙げられます。

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。

meet-libaiは、唐代の詩人李白とその詩歌作品を中核として、人工知能技術を融合した知識グラフとAI知能体プロジェクトです。本プロジェクトは、デジタル技術を用いて伝統文化の普及啓発方法を革新し、李白の詩歌文化をより広く深く理解させることを目指しています。自然言語処理技術を活用し、李白の生涯、詩風、芸術的業績など多角的な情報を網羅した知識グラフを構築し、ユーザーと高品質なインタラクションを実現するAI知能体を訓練しました。これにより、伝統文化を学ぶ新しい方法と体験を提供します。

Knowledge Graph RAGは、知識グラフとドキュメントネットワークを作成することで、大規模言語モデル（LLM）の性能を向上させるオープンソースのPythonライブラリです。このライブラリを使用すると、グラフ構造を通じて情報を検索し関連付けることができ、言語モデルにより豊富なコンテキストを提供します。主に自然言語処理分野、特にドキュメント検索と情報抽出タスクに応用されます。

prettygraphは、@yoheinakajimaによって開発されたPythonベースのWebアプリケーションで、テキスト入力を動的に知識グラフに変換する新しいUIモデルを示しています。このプロジェクトは迅速なプロトタイプであり、UI内のテキストのハイライトをリアルタイムで更新することで知識グラフを生成するというシンプルなUIのアイデアを提供することを目的としています。

GraphRAG（Graphs + Retrieval Augmented Generation）は、テキスト抽出、ネットワーク分析、大規模言語モデル（LLM）のプロンプトと要約を組み合わせることで、テキストデータセットの理解を深める技術です。まもなくGitHubでオープンソースとして公開される予定で、マイクロソフトリサーチプロジェクトの一環として、高度なアルゴリズムを用いてテキストデータの処理と分析能力を向上させることを目指しています。

MyGOは、多モーダル知識グラフの補完を行うツールです。離散的なモーダル情報を細粒度のタグとして処理することで、補完精度を向上させます。MyGOはtransformersライブラリを用いてテキストタグの埋め込みを行い、多モーダルデータセット上で学習と評価を行います。カスタムデータセットに対応しており、実験結果を再現するためのトレーニングスクリプトも提供しています。