2026知识图谱构建工具Top5推荐：哪个好？

构建知识图谱

为您的数据集生成知识图谱。

为了使多跳问答能力得以补强, RAGFlow在数据提取以及索引之间增添了一个知识图谱构建的步骤, 情况如下方的图示。该步骤会依据您所指定的切片方法而产生的现有切片, 去创建额外的知识切片。

构建知识图谱_知识图谱构建"/>

自 v0.16.0 版本起始, RAGFlow 具备为数据集构造知识图谱的能力, 准许您于数据集里的多个文件之间搭建统一的图谱。在新上传的文件开启解析之际, 所生成的图谱会自行更新。

构建知识图谱需要消耗大量的内存、计算资源和 Token。

应用场景

对于涉及嵌套逻辑的多跳问答而言, 知识图谱尤其有效, 在针对书籍或者涵盖复杂实体以及关系的作品展开问答处理之际, 它们的表现比传统的提取方法更优。

RAPTOR, 也就是用于树状组织检索的递归抽象处理, 它还能够被应用于多跳问答任务。有关于详细信息的话, 请去参阅启用RAPTOR。你能够单独去使用, 或者是同时使用这两种方法, 不过务必要清楚其中所涉及到的内存、计算以及Token成本哦。

前提条件

被系统默认的那个聊天模型, 是用来生成知识图谱的。在继续往前进行之前, 务必要保证您已经将聊天模型正确配置好了。

构建知识图谱_知识图谱生成方法_知识图谱构建"/>

配置实体类型 (必填)

想要从你所拥有的数据集中去提取的实体类型, 默认的类型是, organization（组织）、person（人物）、event（事件）以及category（类别）, 你能够添加或者删除类型从而去适配你特定的数据集。

方法

用于构建知识图谱的方法

实体消歧

您能够把它当作实体去重开关的那个, 是是否启用实体消歧, 启动之后呢, LLM会合并相似实体, 像“2025”与“2025年”, 或者“IT”和“信息技术”这样, 进而构建更具效果的图谱句号。

社群报告

在有关知识图谱那块儿, 社群 也就是 Community , 它是借助关系给链接起来的一组实体。您能够使得 LLM 针对每个社群去生成摘要, 这个摘要就是社群报告。更多相关信息的话, 您可以去此处进行参阅。此选项能够决定是不是要生成社群报告。

快速入门

进到数据集的配置那个页面, 然后去做好更新的操作, 此为导航的后续步骤。

对数据集的文件（Files）页面进行导航, 点击页面右上角的生成（Generate）按钮, 接着从下拉菜单之中选择知识图谱（Knowledge graph）来启动生成过程。

必要时，您可以点击下拉菜单中的暂停按钮来中止构建过程。

返回配置 (Configuration) 页面

知识图谱生成后，知识图谱字段将从 未生成 变为 生成于

具体时间戳

。您可以点击该字段右侧的回收站按钮将其删除。

要使用已创建的知识图谱，请执行以下任一操作：

常见问题删除相关文件时，知识图谱会自动更新吗？

不会。在您重新为数据集生成知识图谱之前，知识图谱不会更新。

如何删除已生成的知识图谱？

于数据集的配置, 也就是Configuration页面那儿, 寻觅知识图谱字段, 而后点击该字段右边的回收站按钮。

创建的知识图谱存储在哪里？

被创建的知识图谱的全部切片均存放于 RAGFlow 的文档引擎里, 也就是 Elasticsearch 或者 Infinity。

如何导出已创建的知识图谱？

并非予以支持, 当下并不支持导出建立好的知识体系图谱, 要是您觉得此项功能绝对必要, 那就提交问题并清晰阐述您的使用案例以及其关键重要程度。