148 使用Llama Index构建和查询知识图谱：全面指南

使用Llama Index构建和查询知识图谱：全面指南

在人工智能和数据科学的不断发展中，知识图谱已成为组织和查询复杂信息的强大工具。知识图谱是一种结构化的实体及其关系的表示，使得理解和检索信息变得更加容易。在本篇博客中，我们将深入探讨如何使用Llama Index的KnowledgeGraphIndex从非结构化文本中自动构建知识图谱，并进行基于实体的查询。

前置知识

在深入代码之前，确保你具备以下基础知识：

1. Python基础：熟悉Python编程。
2. OpenAI API密钥：你需要一个OpenAI API密钥来使用OpenAI模型。
3. Llama Index：使用pip install llama-index-llms-openai安装Llama Index库。

环境设置

首先，让我们通过安装所需的包并配置OpenAI API密钥来设置环境。

# 安装Llama Index
%pip install llama-index-llms-openai

# 设置OpenAI API密钥
import os
os.environ["OPENAI_API_KEY"] = "INSERT OPENAI KEY"

# 配置日志
import logging
import sys
logging.basicConfig(stream=sys.stdout, level=logging.INFO)

构建知识图谱

加载文档

要构建知识图谱，我们首先需要加载一些非结构化文本文档。Llama Index提供了SimpleDirectoryReader来从目录中加载文档。

from llama_index.core import SimpleDirectoryReader, KnowledgeGraphIndex
from llama_index.core.graph_stores import SimpleGraphStore
from llama_index.llms.openai import OpenAI
from llama_index.core import Settings

# 加载文档
documents = SimpleDirectoryReader(
    "../../../../examples/paul_graham_essay/data"
).load_data()

初始化语言模型

接下来，我们初始化OpenAI语言模型。该模型将帮助我们从文本中理解和提取关系。

# 定义LLM</