llm-graph-builder

Application Neo4j pour la construction de graphes de connaissances

Produit OrdinaireProgrammationNeo4jGraphe de connaissances

llm-graph-builder est une application qui utilise des grands modèles de langage (comme OpenAI, Gemini, etc.) pour extraire des nœuds, des relations et leurs attributs à partir de données non structurées (PDF, DOCS, TXT, vidéos YouTube, pages web, etc.), et créer un graphe de connaissances structuré à l'aide du framework Langchain. Elle permet de télécharger des fichiers depuis une machine locale, un bucket GCS ou S3, ou une ressource web, de sélectionner un modèle LLM et de générer un graphe de connaissances.

Création de graphes de connaissances : conversion de données non structurées en graphes de connaissances structurés à l'aide de LLM.
Définition de schémas : génération de graphes à partir d'un schéma personnalisé ou d'un schéma existant dans les paramètres.
Visualisation des graphes : visualisation des graphes provenant d'une ou plusieurs sources dans Bloom.
Interaction avec les données : interaction avec les données de la base de données Neo4j via des requêtes conversationnelles. Possibilité également de récupérer les métadonnées relatives à la source de la réponse à une requête.
Déploiement local : exécution via docker-compose
compatible avec OpenAI et Diffbot.
Déploiement sur le cloud : possibilité de déployer l'application et les packages sur Google Cloud Platform.
Configuration de l'environnement : configuration des variables d'environnement pour activer des fonctionnalités ou intégrations spécifiques.

Ce produit s'adresse aux data scientists
développeurs et à tous les professionnels qui ont besoin d'extraire des informations à partir de grandes quantités de données non structurées et de construire des graphes de connaissances. Il est adapté à leurs besoins car il simplifie le processus d'extraction d'informations utiles à partir de sources de données complexes
améliorant ainsi l'efficacité et favorisant la visualisation et l'analyse des connaissances.

Extraire les concepts clés d'articles scientifiques et construire un graphe de connaissances sur le domaine.
Analyser les données des médias sociaux pour identifier les tendances et les influenceurs.
Intégrer les documents internes de l'entreprise pour construire un système de gestion des connaissances internes.

1. Assurez-vous de disposer d'une base de données Neo4j version 5.15 ou supérieure
et que APOC est installé.
2. Créez et configurez le fichier .env en y saisissant les clés API nécessaires.
3. Choisissez la source des fichiers
par exemple un fichier local

Ouvrir le site Web

llm-graph-builder Dernière situation du trafic

Nombre total de visites mensuelles

474564576

Taux de rebond

36.20%

Nombre moyen de pages par visite

6.1

Durée moyenne de la visite

00:06:34

llm-graph-builder Tendance des visites

llm-graph-builder Distribution géographique des visites

Best AI Websites & Tools

llm-graph-builder

llm-graph-builder Dernière situation du trafic

llm-graph-builder Tendance des visites

llm-graph-builder Distribution géographique des visites

llm-graph-builder Sources de trafic

llm-graph-builder Alternatives

llm-graph-builder — Application Neo4j pour la construction de graphes de connaissances

iText2KG — Construction incrémentale de graphes de connaissances à l'aide de grands modèles linguistiques

Triplex — Modèle de construction de graphe de connaissances open source, à faible coût.

NotaGen — NotaGen est un modèle de génération de musique symbolique, entraîné selon le paradigme des grands modèles de langage, axé sur la génération de partitions classiques de haute qualité.

AoT — Atom of Thoughts (AoT) est un framework permettant d'améliorer les performances d'inférence des grands modèles de langage.

语析Yuxi-Know — Système de questions-réponses basé sur un graphe de connaissances et une base de connaissances RAG de grands modèles, prenant en charge l'adaptation de plusieurs grands modèles et le déploiement local.

Level-Navi Agent-Recherche — Level-Navi Agent est un framework prêt à l'emploi, sans nécessiter d'entraînement, qui utilise les grands modèles de langage pour une compréhension approfondie des requêtes et une recherche précise.

SWE-RL — Amélioration des capacités de raisonnement des grands modèles de langage dans l'évolution des logiciels open source grâce à l'apprentissage par renforcement

Coding-Tutor — Exploration du potentiel des grands modèles de langage comme outils d'aide à la programmation, et proposition d'un workflow Trace-and-Verify.

MoBA — MoBA est un mécanisme d'attention par blocs mixtes pour les contextes de longs textes, visant à améliorer l'efficacité des grands modèles de langage.

KET-RAG — KET-RAG est un framework de génération enrichie par la recherche et intégrant un graphe de connaissances, conçu pour l'indexation efficace de documents et la génération de réponses.

VideoRAG — VideoRAG est un framework de génération amélioré par la recherche conçu pour traiter des vidéos à contexte extrêmement long.

Data Commons — Data Commons est une plateforme d'intégration et d'analyse de données publiques lancée par Google, visant à simplifier l'exploration des données publiques mondiales.

stocks-insights-ai-agent — Application full-stack basée sur LLM et LangChain, conçue pour la recherche de données et d'actualités boursières.

ReaderLM v2 — ReaderLM v2 est un petit modèle linguistique de pointe conçu pour la conversion HTML vers Markdown et JSON.

Agent Laboratory — Agent Laboratory est un workflow de recherche autonome de bout en bout, conçu pour aider les chercheurs humains à mettre en œuvre leurs idées de recherche.

Potpie — Agent IA sur mesure pour les référentiels de code, aidant les développeurs dans le débogage, les tests et la conception de systèmes.

Sonus-1 — Sonus-1 : une nouvelle ère pour les grands modèles de langage (LLM)

Brainstormers — Outil de mind mapping basé sur LangChain et Streamlit

Depth AI — Assistant IA pour la compréhension approfondie des bases de code

MLPerf Client — Benchmark de performance de l'IA sur PC

WhyHow Knowledge Graph Studio — Studio de graphe de connaissances WhyHow open source, facilitant la création de flux de travail d'IA de graphes dynamiques

Star-Attention — Technique d'inférence efficace pour les grands modèles de langage sur des séquences longues

WorkflowLLM — Cadre basé sur les données, améliorant les capacités d'orchestration des workflows pour les grands modèles de langage.

Agora — Protocole de communication interplateforme permettant une communication efficace entre différents grands modèles de langage (LLM).

O1-Journey — O1复制之旅：战略进展报告第一部分

SELA — SELA améliore l'apprentissage automatique automatisé (AutoML) en combinant la recherche par arbre de Monte-Carlo et des agents basés sur les grands modèles de langage (LLM).

Convertisseur GitHub vers LLM — Convertit les liens GitHub en un format adapté aux LLM

BitNet — Un framework d'inférence pour les grands modèles de langage binaires (LLM)

AutoDAN-Turbo — Un cadre automatisé qui surmonte les limites des grands modèles de langage