MyGO：多模態知識圖譜補全工具
MyGO是一個用於多模態知識圖譜補全的工具，它透過將離散模態資訊作為細粒度的標記來處理，以提高補全的準確性。MyGO利用transformers庫對文本標記進行嵌入，進而在多模態資料集上進行訓練和評估。它支援自訂資料集，並且提供了訓練腳本以復現實驗結果。
Knowledge Graph RAG：利用知識圖譜和文檔網路增強語言模型效能
Knowledge Graph RAG 是一個開源的Python庫，它透過建立知識圖譜和文檔網路來增強大型語言模型（LLM）的效能。這個庫允許使用者透過圖譜結構來搜尋和關聯資訊，從而為語言模型提供更豐富的上下文。它主要應用於自然語言處理領網域，尤其是在文檔檢索和資訊抽取任務中。
ULTRA：知識圖推理的基礎模型
ULTRA是一個知識圖譜推理的基礎模型。單個預訓練的ULTRA模型可以在任何多關係圖譜上執行連結預測任務,並支援任意實體/關係詞匯。效能優於許多專門針對每個圖譜進行訓練的SOTA模型。遵循基礎模型的預訓練-微調正規化,可以在任何圖譜上立即使用預訓練的ULTRA檢查點進行零樣本推理,也可以進行進一步的微調。ULTRA為任何知識圖譜提供了統一的、可學習的、可轉移的表示。ULTRA使用圖神經網路和NBFNet的修改版本。它不學習針對下游圖譜的特定實體和關係嵌入,而是基於關係之間的互動獲得相對關係表示。
MindGraph：基於人工智慧生成及查詢不斷擴充套件的知識圖譜的概念證明
MindGraph是一個開源、API優先的基於圖形的專案原型,旨在實現自然語言互動(輸入和輸出)。它可作為構建和定製自己的CRM解決方案的模板,重點是易於整合和可擴充套件性。主要功能包括:實體管理、整合觸發器、搜尋功能、人工智慧整備。它採用模組化架構,透過整合管理器動態註冊和執行各種整合函式,使其具有無縫整合人工智慧功能的能力。它支援靈活的資料庫整合,包括記憶體資料庫和雲資料庫NexusDB。再加上基於模式的知識圖譜建立,使其能夠自動從自然語言輸入中生成結構化資料。
KG_RAG：基於知識圖譜的檢索增強生成框架,賦能大型語言模型處理知識密集型任務
KG-RAG是一個任務無關的框架,它結合知識圖譜的顯性知識和大型語言模型的隱性知識。這裡,我們利用一個巨大的生物醫學知識圖譜SPOKE作為生物醫學上下文的提供者。KG-RAG的主要特徵是它從SPOKE知識圖譜中提取“與提示相關的上下文”,這被定義為響應使用者提示所需的最小上下文。
ODIN：將知識圖譜與Obsidian筆記整合,實現問答、連結預測等功能
ODIN是一個Obsidian的外掛,它可以將使用者的筆記知識圖譜化,從而實現智慧問答、連結預測等功能,幫助使用者管理知識點,建立全面的知識體系。ODIN的關鍵功能包括:基於LLM的智慧問答,可以直觀查詢筆記中的知識點;全域性筆記網路視覺化,以知識圖的形式呈現筆記內容;基於語義的連結預測,自動在筆記間建立關聯
QuillO：你的數字大腦，將資訊轉化為知識
QuillO是你的數字大腦，能夠輕鬆將資料轉化為動態知識圖譜，並用它來創作內容，這些內容是獨特的，支援你的知識。它結合了你的資料和獨特的AI，提供AI增強的、上下文感知的內容。從寫作輔助到合作伙伴，探索各種用例。讓你的獨特知識釋放你的創造潛力。
KnowledgeGraph GPT：將非結構化文字資料轉換為結構化知識圖譜表示
KnowledgeGraph GPT專案旨在利用OpenAI的GPT-3模型，將非結構化文字資料轉換為結構化知識圖譜表示。該產品具有強大的功能和優勢，定價合理，定位於滿足使用者對文字資料結構化處理的需求。
QAnything：支援任意檔案格式和資料庫的本地知識問答系統
QAnything是一個支援任意檔案格式和資料庫的本地知識問答系統,可以簡單地匯入任意本地儲存的各種格式的檔案,並得到準確、快速、可靠的問答。目前支援的格式包括:PDF、Word(doc/docx)、PPT、Markdown、Eml、TXT、圖片(jpg、png等)、網頁連結等,後續會持續新增支援的格式。QAnything具有資料安全性,支援斷網安裝使用;支援中英文跨語言問答;支援海量資料問答,解決大規模資料檢索退化問題;直接可用於企業應用的高效能產品級系統;一鍵安裝部署,開箱即用的使用者友好體驗;支援多知識庫問答等功能。