Ces dernières années, les grands modèles linguistiques (LLM) ont suscité un intérêt considérable dans le domaine de la gestion des données, leur champ d'application s'élargissant constamment, notamment à l'intégration de données, à l'optimisation des bases de données, à l'optimisation des requêtes et au nettoyage des données. Cependant, le traitement des données non structurées, en particulier des documents complexes, pose encore de nombreux défis. Actuellement, certains frameworks de traitement de données non structurées basés sur les LLM privilégient souvent la réduction des coûts au détriment de l'amélioration de la précision du traitement. Ce problème est particulièrement flagrant lors de l'analyse de tâches complexes, car les résultats produits par les LLM ne répondent souvent pas précisément aux besoins.

Le lancement du générateur de graphes de connaissances Neo4j LLM vise à résoudre les problèmes complexes de traitement des données en utilisant de puissants modèles d'apprentissage automatique tels qu'OpenAI et Gemini pour convertir rapidement les données non structurées en graphes de connaissances structurés, permettant une analyse de données efficace. Cet outil offre une extraction de données flexible, permettant aux utilisateurs de personnaliser les modèles en fonction de leurs besoins, et des options de nettoyage des données pour garantir la qualité des données. Grâce à diverses techniques de génération améliorées par la recherche, il permet des requêtes de données intelligentes, et la combinaison de graphes de connaissances graphiques et de graphiques de mots intégrés textuellement facilite la compréhension.