引言
随着信息时代的到来，海量的文本数据成为了我们获取知识的重要来源。然而，如何从这些文本数据中提取出有用的信息，并将其以可视化的方式展示出来，一直是一个具有挑战性的问题。近年来，随着人工智能技术的发展，利用AI大模型提取文本中的实体、关系等信息，并将其绘制成知识图谱的方法逐渐成为了研究的热点。
项目地址
项目介绍
1、利用 AI 大模型提取文本信息
AI 大模型是指那些经过大规模训练的深度学习模型，具有较强的语义理解和信息提取能力。利用 AI 大模型可以对文本进行实体识别、关系抽取等任务，从而提取出文本中的实体、关系等信息。通过将 AI 大模型提取出的实体、关系等信息转化为 Echarts 所需的数据格式，我们可以利用 Echarts 绘制出美观、直观的知识图谱。
Example：
北京是中国的首都，拥有许多历史悠久的建筑，其中包括天安门、故宫、天坛、颐和园以及长城。
IMPORTANT:
- 文本内容字数上限为 300
- 每个用户每日最多可体验调用AI生成知识图谱为3次
- 生成的知识图图谱由 AI 生成，可能存在一定的误差，仅供参考，用户可根据自身需求进行二次编辑
- 生成的内容如果没有命中缓存，会通过AI进行查询，预计耗时10-20秒，请耐心等待结果的返回
2、将知识图谱导出为 cypher sql
Cypher 是一种图数据库查询语言，用于对图数据库中的数据进行查询和操作。通过将知识图谱导出为 Cypher SQL 语句，我们可以直接将其放入图数据库 Neo4j 中执行，实现对知识图谱的灵活查询和操作。
3、输入 cypher sql，生成知识图谱
除了将知识图谱导出为 Cypher SQL 语句，还可以实现将 Cypher SQL 转化为知识图谱展示的功能。通过解析 Cypher SQL 语句，提取出其中的实体、关系等信息，使用 Echarts 绘制出对应的知识图谱，我们可以直观地展示出 Cypher SQL 所查询的结果。
Example：
CREATE (:City {name: '北京'});
CREATE (:Country {name: '中国'});
CREATE (:Building {name: '长城'});
CREATE (:Building {name: '故宫'});
CREATE (:Building {name: '天安门'});
CREATE (:Building {name: '颐和园'});
CREATE (:Building {name: '天坛'});
MATCH (s:City), (t:Country) WHERE s.name = '北京' and t.name = '中国' CREATE (s)-[:BELONGS_TO]->(t);
MATCH (s:City), (t:Building) WHERE s.name = '北京' and t.name = '长城' CREATE (s)-[:CONTAINS]->(t);
MATCH (s:City), (t:Building) WHERE s.name = '北京' and t.name = '故宫' CREATE (s)-[:CONTAINS]->(t);
MATCH (s:City), (t:Building) WHERE s.name = '北京' and t.name = '天安门' CREATE (s)-[:CONTAINS]->(t);
MATCH (s:City), (t:Building) WHERE s.name = '北京' and t.name = '颐和园' CREATE (s)-[:CONTAINS]->(t);
MATCH (s:City), (t:Building) WHERE s.name = '北京' and t.name = '天坛' CREATE (s)-[:CONTAINS]->(t);
IMPORTANT:
- 每行 cypher sql，使用封号(;)进行分隔
- 目前只支持 Create Entity 和 Create Relation 两种操作
- Entity 和 Relation 必须包含 name，以及使用 name 进行关联
总结
利用 AI 大模型和 Echarts 绘制知识图谱，可以实现对文本信息的提取和图数据库操作的全流程。通过将知识图谱导出为 Cypher SQL 语句，我们可以直接在图数据库 Neo4j 中进行查询和操作；同时，通过将 Cypher SQL 转化为知识图谱展示，我们可以直观地展示出查询结果。这些方法的应用将极大地方便了我们对文本信息的理解和利用，为知识管理和决策提供了有力的支持。
建议与反馈
