build_graph

lang

Lang

否

语料所用的语言，默认取值为Lang.EN，即英文语料。

pad_token

str

否

大语言模型使用填充字符，默认为空字符，其取值范围为[0, 255]。

conceptualize

bool

否

是否进行对节点概念化，默认为False。

kwargs

dict

否

扩展参数列表：

• max_workers：构建知识图谱的线程数。默认值为5。
• batch_size，节点向量化，检索等操作批大小，默认为32。
• top_k：在对图节点概念进行聚类时，向量检索返回的最相似概念数量。默认值为5，取值范围为[1, 100]。
• threshold：向量相似性阈值。低于此值的相似性结果将被过滤。默认值为0.3，取值范围为[0.0,1.0]。
• triple_instructions: 用于指导大型语言模型（LLM）从文档中抽取关系的指令，字典类型。默认值为None，此时将根据语言使用默认值（中文为TRIPLE_INSTRUCTIONS_CN，英文为TRIPLE_INSTRUCTIONS_EN）。用户可以通过提供一个字典来覆盖默认的抽取指令。该字典必须包含以下键：
  • entity_relation： 对应的值定义实体关系抽取的指令, 字符串类型，长度范围为[1, 1048576]。
  • event_entity：对应的值定义事件实体抽取的指令, 字符串类型，长度范围为[1, 1048576]。
  • event_relation：对应的值定义事件关系抽取的指令, 字符串类型，长度范围为[1, 1048576]。

  每个键对应的值定义了特定提取任务的指令。

• conceptualizer_prompts: 用于指导LLM进行概念化的提示，字典类型。默认值为None。用户可以通过提供一个字典来覆盖默认的概念化提示。该字典必须包含以下键：
  • entity: 对应的值定义对图中实体进行概念化的提示， 字符串类型，长度范围为[1, 1048576]。当conceptualizer_prompts为None时将根据语言使用默认值（中文为ENTITY_PROMPT_CN， 英文为ENTITY_PROMPT_EN）。
  • event: 定义对图中事件进行概念化的提示, 字符串类型，长度范围为[1, 1048576]。当conceptualizer_prompts为None时将根据语言使用默认值（中文为EVENT_PROMPT_CN， 英文为EVENT_PROMPT_EN）。
  • relation: 定义对图中关系进行概念化的提示, 字符串类型，长度范围为[1, 1048576]。当conceptualizer_prompts为None时将根据语言使用默认值（中文为RELATION_PROMPT_CN， 英文为RELATION_PROMPT_EN）。

"{graph_name}.json"

用于保存图，graph_type为"networkx"时，检索会通过该文件加载图。

"{graph_name}_relations.json"

保存实体关系信息。

"{graph_name}_concepts.json"

保存概念信息。

"{graph_name}_synset.json"

保存概念聚类之后的类别信息。

"{graph_name}_node_vectors.index"

实体的向量索引文件。

"{graph_name}_concept_vectors.index"

概念的向量索引文件。