AuvaLab/itext2kg

解決的問題

本專案提供一套工具，用於從非結構化文字中構建與分析知識圖譜（KG），特別針對時間動態性、事實完整性，以及傳統靜態KG常遺漏的「弱信號」（稀有但正在出現的模式）檢測等挑戰。

工作原理

此倉儲整合了三個主要框架：

• ATOM：用於構建時間知識圖譜（TKG）的可擴展流程。它將文字分解為最小的「原子事實」，以防止LLM遺漏資訊，並行提取5元組（主詞、謂詞、受詞、開始時間、結束時間），並使用餘弦相似度進行實體與關係消歧，而非依賴緩慢的LLM呼叫，將這些資訊合併為全域圖譜。
• iText2KG：支援靜態與動態圖譜的增量式KG建構框架，具備非同步架構，可高效處理LLM API呼叫。
• C-Unseen：用於動態圖譜中「弱信號」檢測的系統。它使用基於LLM鏈式思維的稀有子圖提取器，找出與主流敘事相矛盾的子圖，並透過弱信號警報器追蹤這些模式是否隨時間持續或擴大。

適用對象

專為從時效性資料（如新聞檔案或醫療記錄）建構知識庫的研究人員與開發者設計，需要高事實完整性、可擴展性，以及檢測新興趨勢的能力。

主要亮點

• 並行架構：ATOM透過並行提取與非LLM依賴的合併，相比類似框架將延遲降低超過90%。
• 雙重時間建模：同時追蹤事實被觀察到的時間與其實際有效時間，防止時間誤標。
• 原子分解：將長文字拆分為小片段，使事實完整性提升約31%。
• 自解釋性：C-Unseen將稀有與弱信號標籤直接寫回圖譜，便於直觀檢視。