Docs2KG：基于大模型的非结构化异构文档统一知识图谱自动构建!!

文章预览

目前市场上的一些工具专注于检索增强生成 ( RAG ) 流程或如何让大型语言模型 (LLM) 在本地运行。更广泛的社区包括个人用户、小型企业，甚至大型企业。其中一些人可能已经开发了知识库，这些数据都是 非结构化的 ，并且分布在不同的地方。 通过结合PDF文件和Excel文件 ，演示查询“显示所有与2011年和2021年发生的事件相关的文档及其组成部分。” PDF文件包含2011年至2021年香港的人口规模和结构信息。Excel文件包含2021年至2023年的人口普查记录。（青色表示 PDF文档 ；绿色用于 Excel文件 ； 红色为PDF页面 ；卡其色为 标题 ；海洋蓝为 段落 ） 鉴于 非结构化和异构数据 的性质，信息提取和知识表示带来了重大挑战。因此提出了 Docs2KG ，这是一个新颖的框架，旨在从多种异构非结构化数据源（包括电子邮件、网页、PDF文件和Excel文件）中提取多模态信息 ………………………………