微信扫码
与创始人交个朋友
我要投稿
你好,我是测试蔡坨坨。
在上一篇文章「GraphRAG:基于知识图谱的 RAG,好用,贼贵!」中,我们探讨了GraphRAG的应用,并了解了它是如何结合知识图谱和检索增强生成技术(RAG)提供强大的功能。在对数据集建立索引时,GraphRAG主要完成两项核心任务:
从视觉角度看,每个实体就是图谱中的一个“点”,而实体之间的关系则通过“线”连接起来,最终构成了一张庞大的知识图谱。这也解释了GraphRAG名称中“Graph”的由来。
既然我们知道了GraphRAG的核心在于绘制这张复杂的知识图谱,那么问题来了:有没有一种更直观的方式去感受这张图谱的存在与意义?答案是肯定的。例如通过Neo4j、Jupyter Notebook等工具实现知识图谱的可视化,但这些工具通常配置复杂、操作繁琐。
此时,GraphRAG Visualizer 成为更优雅的选择,它只需要简单的操作,就能将知识图谱直观地呈现出来,让复杂的关系网络变得清晰明了,一目了然!
官网:https://noworneverev.github.io/graphrag-visualizer
GraphRAG Visualizer 是一款基于网页,用于可视化 GraphRAG 产物的工具。通过上传由GraphRAG索引管道生成的Parquet文件,用户无需额外的脚本或软件(Gephi、Neo4j或Jupyter Notebook等)即可轻松查看和分析数据。
该工具支持2D和3D图形可视化、数据表显示以及搜索功能,所有数据处理均在本地运行,确保数据的安全和隐私。
Github:https://github.com/noworneverev/graphrag-visualizer
git clone https://github.com/noworneverev/graphrag-visualizer.git
cd graphrag-visualizer
npm install
npm start
http://localhost:3000
测试文章:「如果,你也喜欢薛之谦,那我们就是好朋友」
将 GraphRAG 生成的Parquet文件放置在GraphRAG Visualizer项目的public/artifacts目录中,应用程序启动时会自动加载这些文件。
GraphRAG生成的Parquet文件位置:
GraphRAG Visualizer项目的public/artifacts目录:
选项卡功能:
这些选项能够灵活定制图谱的显示方式,帮助我们更高效地探索和分析知识图谱。
点击某个节点,查看节点的详细信息及节点之间的关系:
可以看到原文本、实体标题、实体类型、实体描述、实体关系、关系权重…… 效果还是挺不错的,此刻GraphRAG的强大之处具象化了!
通过搜索界面轻松查询和探索本地服务器上的数据:
在数据表选项卡中查看和分析parquet文件中的数据:
通过 GraphRAG Visualizer,我们能够便捷地操作和利用 GraphRAG 生成的数据,提高数据分析和决策的效率。
通过可视化,进一步感受到了 GraphRAG 在建立索引并生成知识图谱功能的强大!!!
以上,完。
脚踏实地,仰望星空,和坨坨一起学习软件测试,升职加薪!
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-01-30
图数据库 VS 向量数据库?别选错了,真正的答案是这样!
2025-01-26
[2025论文解读]基于知识图谱的思考:一种知识增强的泛癌症问答大模型框架 - 中科院&广州国家实验室等
2025-01-23
使用大语言模型从零构建知识图谱(中)
2025-01-22
GraphRAG前沿进展:引入分而治之思想的KGRAG思路
2025-01-22
知识图谱与ai agent的演变
2025-01-21
央企实践案例展示:以AI带动产业,以应用引领技术
2025-01-18
LangGraph AI智能体如何通过知识图谱实现更强智能?以供应链管理系统为例
2025-01-14
向量数据库真的能满足所有 AI Agent 的记忆需求吗?
2025-01-02
2024-07-17
2025-01-03
2024-07-11
2024-08-13
2024-07-13
2024-06-24
2024-06-10
2024-07-12
2024-08-27
2025-01-14
2025-01-10
2025-01-06
2025-01-02
2024-12-16
2024-12-10
2024-12-04
2024-12-01