1. 自然语言处理、知识图谱、对话系统三大技术研究与应用
https://github.com/lihanghang/NLP-Knowledge-Graph
深度学习-自然语言处理(NLP)-知识图谱：知识图谱构建流程【本体构建、知识抽取（实体抽取、 关系抽取、属性抽取）、知识表示、知识融合、知识存储】 - 元気森林 - 博客园
https://www.cnblogs.com/-402/p/16529422.html
2.自然语言处理 --- NLP入门指南
https://blog.csdn.net/zwqjoy/article/details/103546648
3.自然语言处理方向项目和工具集合
https://github.com/HanXinzi-AI/awesome-NLP-resources
4.NLP_知识图谱_介绍、构建、问答知识
https://blog.csdn.net/weixin_42504788/article/details/137715412
5.NLP实践笔记
https://github.com/sherpahu/NLP_practice
https://github.com/sherpahu/NLP_practice/tree/master/markdown%E6%A0%BC%E5%BC%8F
6.funNLP
https://github.com/fighting41love/funNLP
7.老刘说NLP
https://github.com/liuhuanyong
老刘说知识图谱实践指引
老刘说知识图谱实践指引：知识图谱代表性全流程开源项目、NER/RE关键模型与开放课程概述 - 智源社区
https://github.com/liuhuanyong/DomainWordsDict
8.NLP第20课：Neo4j 从入门到构建一个简单知识图谱
https://zhuanlan.zhihu.com/p/112382328
9.基于深度学习的开源中文知识图谱抽取框架
https://github.com/zjunlp/DeepKE
10.【知识图谱：从零开始的构建艺术】：一步步构建你的知识图谱
https://wenku.csdn.net/column/193ttjzhkn
11.knowledge graph知识图谱,从零开始构建知识图谱
https://github.com/myhhub/KnowledgeGraph
12.知识图谱构建流程步骤详解
https://xushuai.blog.csdn.net/article/details/125061428
13.基于自然语言处理的金融知识图谱构建系统
https://github.com/EasonWong0327/NLP-Knowledge_Graph
14.知识图谱入门——认识知识图谱
https://zhuanlan.zhihu.com/p/396516565
15.整理知识图谱相关学习资料，提供系统化的知识图谱学习路径
https://github.com/husthuke/awesome-knowledge-graph
16.东南大学《知识图谱》研究生课程
https://github.com/npubird/KnowledgeGraphCourse
17.【大模型:知识图谱】--1.通俗易懂解释知识图谱
https://blog.csdn.net/qq_58602552/article/details/148130513
https://blog.csdn.net/qq_58602552/category_12897577.html
18.【GraphRAG】构建知识图谱：从技术到实战的完整指南
https://blog.csdn.net/2301_81888214/article/details/142761555
19.知识图谱构建 DeepKg
https://github.com/powerycy/DeepKg
20.LLM 知识图谱构建器：从零到 GraphRAG 只需五分钟
https://fisherdaddy.com/posts/llm-knowledge-graph-builder/
https://neo4j.com/developer-blog/graphrag-llm-knowledge-graph-builder/
什么是 Neo4j LLM 知识图谱构建器？
Neo4j LLM 知识图谱构建器是一款创新的在线应用，无需编写代码和 Cypher 查询，即可将非结构化文本转化为知识图谱，提供神奇的文本到图谱体验。
它使用机器学习模型 (大语言模型：OpenAI、Gemini、Diffbot) 将 PDF、网页和 YouTube 视频转换为实体及其关系的知识图谱。
21.从零构建知识图谱：使用大语言模型处理复杂数据的11步实践指南
https://blog.csdn.net/deephub/article/details/147948306
22.使用 LLM 从零构建知识图谱
https://blog.csdn.net/weixin_53707653/article/details/148592255
23.基于大语言模型LLM 的知识图谱生成工具
支持从文本中自动提取实体关系并可视化展示。
https://github.com/Tunnello/KnowledgeGraph-Streamlit
24.Python中LLM的知识图谱构建：动态更新与推理
https://binarydreams.blog.csdn.net/article/details/145232666
25.语析 - 基于大模型的知识库与知识图谱问答平台
https://blog.csdn.net/jaykm/article/details/145930433
https://github.com/xerrors/Yuxi-Know
基于智能体 RAG 知识库的知识图谱问答系统。Langgraph + VueJS + Flask + Neo4j。大模型适配 OpenAI、Ollama、vLLM、国内主流大模型平台的模型调用。支持推理模型DeepSeek-R1、联网检索、工具调用。
26.林业病虫害智能问答系统DeepForest
https://deepforest.weilanx.com/index.html
https://github.com/Azure12355/deep-forest
https://gitee.com/azure12355/deep-forest
27.知识图谱：从0到 ∞
https://blog.csdn.net/hyc010110/category_12799114.html
28.fanjianglin知识图谱
https://blog.csdn.net/fanjianglin/category_12628659.html
29.开源学习版！PDF到知识图谱：DeepSeek与OpenAI，轻松部署本地langchain和neo4j问答系统Datagraphx学习版
https://www.bilibili.com/video/BV1Z5F5efEUZ/
DeepSeek与OpenAI模型：用于文本分析与自然语言处理。
LangChain：实现文档处理与交互式问答。
Neo4j：用于构建与展示知识图谱。
Plotly：用于图数据库可视化。
项目地址：https://github.com/adoresever/DataGraphX_Learn
30.农业知识图谱(KG)
https://github.com/shanwf/Agriculture_KG
https://github.com/qq547276542/Agriculture_KnowledgeGraph
https://github.com/2019agriculture/Agriculture_KnowledgeGraph
https://github.com/chenjj9527/AgricultureKnowledgeGraph
农业知识图谱(AgriKG)：农业领域的信息检索，命名实体识别，关系抽取，智能问答，辅助决策。
该项目已停止维护。因此项目代码仅供参考，项目中包含的数据可免费用于学术等非商业用途。
Github 项目推荐 | 农业知识图谱(KG)：农业领域的信息检索，命名实体识别-腾讯云开发者社区-腾讯云
农业知识图谱(KG)：农业领域的信息检索，命名实体识别
https://github.com/zhangyqCS/KnowledgeGraph_Agriculture
农业领域知识图谱的构建，包括数据爬取(百度百科)、数据分类、利用结构化数据生成三元组、非结构化数据的分句(LTP)，分词(jieba)，命名实体识别(LTP)、基于依存句法分析(主谓关系等)的关系抽取和利用neo4j生成可视化知识图谱
https://github.com/JunKuang-algo/Agriculture-KnowledgeGraph-Data
对知识库Wikidata的爬虫以及数据处理脚本 将三元组关系对齐到语料库的脚本 获取知识图谱数据的脚本
31.知识图谱实战项目推荐
https://www.163.com/dy/article/G0LBH82005380EIV.html
（1） 知识图谱构建，自动问答，基于kg的自动问答。以疾病为中心的一定规模医药领域知识图谱，并以该知识图谱完成自动问答与分析服务。
地址：https://github.com/liuhuanyong/QASystemOnMedicalKG
本项目立足医药领域，以垂直型医药网站为数据来源，以疾病为核心，构建起一个包含7类规模为4.4万的知识实体，11类规模约30万实体关系的知识图谱。本项目将包括以下两部分的内容：
- 基于垂直网站数据的医药知识图谱构建
- 基于医药知识图谱的自动问答
（2）本项目提出了中文复合事件的概念与显式模式，包括条件事件、因果事件、顺承事件、反转事件等事件抽取，并形成事理图谱。
地址：https://github.com/liuhuanyong/ComplexEventExtraction
（3）罪名法务智能项目,内容包括856项罪名知识图谱, 基于280万罪名训练库的罪名预测,基于20W法务问答对的13类问题分类与法律资讯问答功能.
地址：https://github.com/liuhuanyong/CrimeKgAssitant
本项目将完成两个大方向的工作: 1, 以罪名为核心,收集相关数据,建成基本的罪名知识图谱,法务资讯对话知识库,案由量刑知识库. 2, 分别基于步骤1的结果,完成以下四个方面的工作。
- 基于案由量刑知识库的罪名预测模型
- 基于法务咨询对话知识库的法务问题类型分类
- 基于法务咨询对话知识库的法务问题自动问答服务
- 基于罪行知识图谱的知识查询
（4）中文人物关系知识图谱项目,内容包括中文人物关系图谱构建,基于知识库的数据回标,基于远程监督与bootstrapping方法的人物关系抽取,基于知识图谱的知识问答等应用。
地址：https://github.com/liuhuanyong/PersonRelationKnowledgeGraph
（5）军事知识图谱。基于mongodb存储的军事领域知识图谱问答项目，包括飞行器、太空装备等8大类，100余小类，共计5800项的军事武器知识库，该项目不使用图数据库进行存储，通过jieba进行问句解析，问句实体项识别，基于查询模板完成多类问题的查询，主要是提供一种工业界的问答思想。
地址：https://github.com/liuhuanyong/QAonMilitaryKG
（6）京东知识图谱， 基于京东网站的1300种商品上下级概念，约10万商品品牌，约65万品牌销售关系，商品描述维度等知识库，基于该知识库可以支持商品属性库构建，商品销售问答，品牌物品生产等知识查询服务，也可用于情感分析等下游应用．
网址：https://github.com/liuhuanyong/ProductKnowledgeGraph
32.一些优秀的知识图谱项目
https://blog.csdn.net/stay_foolish12/article/details/127220994
(1)利用网络上公开的数据构建一个小型的证券知识图谱/知识库
https://github.com/lemonhu/stock-knowledge-graph
(2)医疗保险领域知识图谱
https://github.com/AdiaLoveTrance/MedicalInsuranceKG
(3)农业知识图谱(AgriKG)：农业领域的信息检索，命名实体识别，关系抽取，智能问答，辅助决策
https://github.com/qq547276542/Agriculture_KnowledgeGraph
(4)漫威英雄的知识图谱
https://github.com/YZHANG1270/Marvel_KnowledgeGraph
(5)基于知识图谱的《红楼梦》人物关系可视化及问答系统
https://github.com/chizhu/KGQA_HLM
(6)小型金融知识图谱构建流程
https://github.com/jm199504/Financial-Knowledge-Graphs
(7)中式菜谱知识图谱可视化（CookBook-KG）
https://github.com/ngl567/CookBook-KG
(8)从无到有构建一个电影知识图谱，并基于该KG，开发一个简易的KBQA程序
https://github.com/SimmerChan/KG-demo-for-movie
(9)上市公司高管图谱
https://github.com/Shuang0420/knowledge_graph_demo
(10)红楼梦人物关系图谱
https://github.com/chizhu/KGQA_HLM
(11)通用领域知识图谱
https://github.com/Pelhans/Z_knowledge_graph
(12)免费1.5亿实体通用领域知识图谱
https://github.com/ownthink/KnowledgeGraph
Tunnello/KnowledgeGraph-Streamlit
https://github.com/Tunnello/KnowledgeGraph-Streamlit
基于大语言模型LLM 的知识图谱生成工具，支持从文本中自动提取实体关系并可视化展示。
demo
试用网址：https://knowledgegraph-app.streamlit.app/
介绍文章：使用大语言模型 + streamlit-agraph 生成和可视化知识图谱
使用大语言模型 + streamlit-agraph 生成和可视化知识图谱
zjunlp/DeepKE
基于深度学习的开源中文知识图谱抽取框架
https://github.com/zjunlp/DeepKE/blob/main/README_CN.md
DeepKE 是一个开源的知识图谱抽取与构建工具，支持cnSchema、低资源、长篇章、多模态的知识抽取工具，可以基于PyTorch实现命名实体识别、关系抽取和属性抽取功能。同时为初学者提供了文档，在线演示, 论文, 演示文稿和海报。
WenRichard/KBQA-BERT
https://github.com/WenRichard/KBQA-BERT
基于BERT的KBQA探索：https://zhuanlan.zhihu.com/p/62946533
基于知识图谱的问答系统，BERT做命名实体识别和句子相似度，分为online和outline模式
本项目主要由两个重要的点组成，一是基于BERT的命名实体识别，二是基于BERT的句子相似度计算，本项目将这两个模块进行融合，构建基于BERT的KBQA问答系统，在命名实体识别上分为online predict和outline predict；在句子相似度上，也分为online predict和outline predict，2个模块互不干扰，做到了高内聚低耦合的效果，最后的kbqa相当于融合这2个模块进行outline predict，具体介绍请见知乎专栏！
环境配置
- Python版本为3.6
- tensorflow版本为1.13
- XAMPP版本为3.3.2
- Navicat Premium12
33.知识图谱最简单的demo实现
https://blog.csdn.net/Andy_shenzl/article/details/134714153
34.知识库与知识图谱