要创建一个知识图谱，需要两部分信息：一是知识库，它可以是文本语料库、代码库、文章集合等；二是本体，即我们关心的实体类别及其关系类型。

要创建一个知识图谱，需要两部分信息：一是知识库，它可以是文本语料库、代码库、文章集合等；二是本体，即我们关心的实体类别及其关系类型。

例如，对于一般的知识图谱，可能有“实体：人、地点”“关系：人→相关于→人、人→居住在→地点、人→访问→地点”等。但如果知识库是关于处方药及其相互作用的临床研究，可能会使用不同的本体，如化合物、用法、效果、反应等构成本体。

与传统方法相比，这种利用非结构化数据生成知识图谱的方法更易操作且信息更丰富，非常适合 GRAG 等应用。

在使用 LLM 创建知识图谱时，会存在一些挑战，如 LLM 提取的实体类别可能过于多样化，会错误地将抽象概念标记为实体；在不同上下文中可能错误地标记相同实体；其输出本质上不可预测，拆分语料库生成子图时，若丢失一个可能影响整个图谱的连接性等。

总之，创建生成式 AI 知识图谱需要综合考虑知识库和本体的选择，以及应对使用 LLM 过程中出现的各种挑战。https://tuingai.com/