GraphGPT: преобразуйте неструктурированный естественный язык в граф знаний

Доктор Вероника Эспиноза, 2023 г. / Twitter @Verukita1

Создавайте сложные направленные графы, чтобы структурировать свои идеи с помощью естественного языка. Поймите отношения между людьми, системами и, возможно, разгадайте тайну.

¿Что такое граф знаний?

Граф знаний — это ориентированный помеченный граф, в котором значения, специфичные для предметной области, связаны с узлами и ребрами. Узел может представлять любую сущность реального мира, например, людей, компании и компьютеры. Метка ребра фиксирует интересующие отношения между двумя узлами. Например, дружеские отношения между двумя людьми; клиентские отношения между компанией и человеком; или сетевое соединение между двумя компьютерами [1].

Что я могу сделать с GraphGPT?

GraphGPT преобразует неструктурированный естественный язык в граф знаний. Передайте синопсис вашего любимого фильма, отрывок со страницы Википедии или расшифровку из видео, чтобы создать графическую визуализацию сущностей и их отношений. Последовательные запросы могут обновить существующее состояние графа или создать совершенно новую структуру. Например, обновление текущего состояния может включать введение новой информации через узлы и ребра или изменение цвета определенных узлов [2].

Текущая подсказка с несколькими кадрами помогает GPT-3 точно понять форматирование JSON, которое GraphGPT требует для правильного рендеринга. Основной проблемой на данный момент является задержка. Из-за характера вызовов OpenAI API получение ответа занимает до 20 секунд[2].

Варун Шеной, исследователь из Стэнфордского университета, разработал AI GraphGPT, который создает граф знаний о связях между людьми и именами собственными, содержащимися во входных предложениях. GraphGPT использует GPT-3, модель обработки естественного языка, разработанную OpenAI, и преобразует неструктурированный естественный язык в графы [3].

Найти здесь репозиторий GraphGPT.

Что мы рассмотрим в этой истории?

В этой истории я расскажу вам о своем опыте изучения GraphGPT. Я покажу пять упражнений, которые я сделал. Я также делюсь советами, которые я нашел при изучении этого приложения, и, наконец, я делюсь тремя книгами в открытом доступе, которые могут быть полезны, если вы хотите узнать больше о графах знаний!

Упражнения, которые будут рассмотрены в этой истории, следующие:

· Упражнение 1.Построение сети знаний из абзаца научной статьи.

· Упражнение 2. Генерация графа знаний по описанию человека.

· Упражнение 3.Два примера графов знаний, созданных на основе описания двух инструментов сетевого анализа. Эти два описания были взяты с веб-сайта каждого инструмента.

· Упражнение 4. Диаграмма знаний из расшифровки видео на YouTube.

· Упражнение 5.График знаний с текстом и эмодзи, сгенерированный из абзаца Википедии.

🏁Начнем!

Упражнение 1.Создание сети знаний из абзаца научной статьи.

Шаг 1. Получите ключ API OpenAI здесь, это очень просто!

Шаг 2. Откройте приложение GraphGPT здесь, вы увидите следующие опции: Опишите свой график и Введите ключ OpenAI API, как показано.

Теперь напишите описание своего графика и свой ключ OpenAI API,затемнажмите «Создать». ».

Для этого примера я вставил следующий научный абзац в поле «Опишите свой график». Абзац взят из статьи: Шейх Н.К., Дуа А. Каннабиноиды, 2022 [4].

Следующий gif показывает процедуру:

На следующем изображении показан график знаний, который я получил с помощью информации из упомянутой выше научной статьи.

Шаг 3.Теперь я добавил цвета к некоторым узлам. Ниже приведен пример окрашивания 4 узлов в светло-синий цвет со следующей подсказкой:

"Сделать каннабиноид, каннабидиол, набилон и дронабинол светло-голубыми"

Вы также можете изменить «Make» на «Color». Для меня это работает в обоих направлениях.

На следующем рисунке показан полученный результат:

Вы можете раскрасить остальные узлы по своему усмотрению, используя этот пример!

Упражнение 2. Генерация графа знаний по описанию человека.

Для этого упражнения я использовал краткое описание себя:

Подсказка: Вероника училась в UNAM. UNAM является государственным университетом в Мексике. Вероника изучала гуманитарные науки, нейробиологию и химию. Она сотрудничает с исследователями из разных областей. Хобби Вероники — чтение и игра на фортепиано.

Я вставил это описание в приложение ChatGPT, как показано ниже:

Получив свой график знаний с кратким описанием обо мне, я добавил цвета к узлам, следуя процедуре, описанной в упражнении 1 (шаг 2), и получил следующий график:

Упражнение 3.Графики знаний, созданные на основе описания двух инструментов сетевого анализа: Gephi [5] ии NodeXL [6]. Эти два описания были взяты с веб-сайта каждого инструмента.

a) Диаграмма знаний Gephi:

b) Диаграмма знаний NodeXL:

Упражнение 4. График знаний из расшифровки видео на YouTube.
Во-первых, я получил стенограмму интервью Дэниела Миллера, чье видео на YouTube называется «Цифровая антропология». [7]. Продолжительность интервью 14 минут 12 секунд (13 страниц). Поскольку расшифровка длинная, в Подсказке отображается только часть расшифровки.

На следующем рисунке показано то, что было описано выше.

Упражнение 5. Диаграмма знаний с текстом и эмодзи, созданная из абзаца статьи Википедии под названием «Эмоции»[8].

Ниже я описываю шаги, которые я выполнил для этого упражнения:
1. – Я выбрал абзац из Википедии из упомянутой статьи.
2 .-В ChatGPT я преобразовал основные эмоции, упомянутые в этом абзаце, в смайлики (см. подсказку на изображении ниже).
3.-Я вставил и обработал результат ChatGPT в GraphGPT.
4.-Я получил диаграмму знаний и добавил цвета в узлы.

На следующем рисунке показан процесс:

В учебных целях я обработал краткий текст, но вы можете сделать свой график знаний с большим количеством узлов, взаимосвязей и смайликов на основе этого примера.

Интересные советы, которые я обнаружил при изучении этого приложения.

1. Вы можете удалить узел, который вас не интересует, с помощью следующей подсказки: Удалить [имя узла].
2. Если вы хотите покрасить узел, используйте следующее: Color/ Make [имя узла] [цвет]. Пример: «Сделать Майка красным» или «Сделать Майка красным».
3. Если вы не можете удалить или покрасить узел длиннее одного слова, заключите его в кавычки. Пример: Удалить «выражение лица».
4. Если вы уже создали граф знаний и хотите добавить больше узлов и отношений, просто напишите новую подсказку (на том же графе), и узлы и отношения (если есть) будут добавлены туда, где они соответствуют.
5. Если ваш текст для анализа очень длинный, появится следующее сообщение: "Ошибка: что-то пошло не так с запросом, пожалуйста, проверьте сетевой журнал". Поэтому я рекомендую анализировать не слишком длинные тексты.
6. Чтобы сохранить свою сеть, не делайте скриншот! Вы можете щелкнуть правой кнопкой мыши и сохранить график в формате .png 📸

Заключение

С моей точки зрения, Graph GPT — это простой в использовании инструмент, достаточно интуитивно понятный. Он позволяет за несколько секунд преобразовать неструктурированный естественный язык в граф знаний. Вы можете быстро создать графическое отображение сущностей и их взаимосвязей из абзацев научных статей, абзацев из Википедии, описаний людей, расшифровок видео и многого другого!

GraphGPT находится на ранней стадии разработки, но, без сомнения, я думаю, что в дальнейшем он повысит свою точность, функции и возможности. Так что, если вы хотите быстро и легко получить графики знаний для поиска взаимосвязей в ваших текстах, GraphGPT может быть вариантом.

С другой стороны, если вы хотите создавать графы знаний с большими базами данных, поступающими из разных источников, вы, безусловно, можете выбрать другие инструменты или некоторые библиотеки Python или R. Выбор вашего инструмента будет зависеть от различных факторов, таких как тип данных, которые у вас есть, потребности в исследованиях, которые вам нужны, тип анализа, который вам нужно выполнить, среди прочего. Некоторые инструменты, которые я обнаружил, которые позволяют генерировать графы знаний, могут быть: Neo4j, Stardog, Vaticle, AllegroGraph, Protege, GraphDB, PoolParty, Ontotext. немного.

👍Спасибо, что прочитали эту историю.

😃Мой Твиттер

🔍Больше историй, которые я написал здесь

РЕСУРСЫ ОТКРЫТОГО ДОСТУПА

Хотите узнать больше о диаграммах знаний?

Я делюсь тремя книгами в открытом доступе, посвященнымиграфикам знаний.

1.- Графики знаний [9]. Вы можете читать эту книгу прямо в Интернете из бесплатной HTML-версии.

2. - Графики знаний и обработка больших данных [10]. Эта книга находится в открытом доступе, и вы можете скачать ее прямо с сайта в формате PDF.

3.- Knowledge Graphs Book — Data Scientist [11]. Эта книга находится в открытом доступе и предоставлена ​​Neo4j. Вы можете загрузить ее прямо с веб-сайта, вам просто нужно указать некоторую информацию, такую ​​​​как ваше имя и адрес электронной почты, и после этого вы получите книгу в формате PDF!

Ссылки

1. Чаудри В.К., Бару С., Читтар Н., Донг С.Л., Генесерет М., Хендлер Дж. и др. Графики знаний: введение, история и перспективы. Журнал АИ. 2022;43(1):17–29.
2. Шеной В. GraphGPT [Интернет]. 2023 [цитировано 20 февраля 2023 г.]. Доступно по адресу: https://github.com/varunshenoy/GraphGPT
3. Появляется GraphGPT, который создает граф знаний о связях между людьми и именами собственными из предложений, введенных ИИ [Интернет]. ГИГАЗИН. 2023 [цитировано 25 февраля 2023 г.]. Доступно по адресу: http://gigazine.net/gsc_news/en/20230209-graphgpt/
4. Шейх Н.К., Дуа А. Каннабиноиды [Интернет]. StatPearls [Интернет]. Издательство StatPearls; 2022 г. [цитировано 19 февраля 2023 г.]. Доступно по адресу: https://www.ncbi.nlm.nih.gov/books/NBK556062/
5. Gephi — платформа Open Graph Viz [Интернет]. [цитировано 20 февраля 2023 г.]. Доступно по адресу: https://gephi.org/
6. Фонд исследований социальных сетей [Интернет]. Фонд исследования социальных сетей. [цитировано 20 февраля 2023 г.]. Доступно по адресу: https://www.smrfoundation.org/
7. Цифровая антропология Дэниел Миллер [Интернет]. 2017 [цитировано 24 февраля 2023 г.]. Доступно по адресу: https://www.youtube.com/watch?v=XNus-xZ7_6Y
8. Эмоция. В: Википедия [Интернет]. 2023 [цитировано 26 февраля 2023 г.]. Доступно по адресу: https://en.wikipedia.org/w/index.php?title=Emotion&oldid=1140583773
9. Хоган А., Блумквист Э., Кочес М., д'Амато С., д. Мело Г. Графы знаний [J]. Обобщающие лекции по семантике данных и знаниям. 2021.
10. Янев В., Граукс Д., Джабин Х., Саллинджер Э. Графы знаний и обработка больших данных. Спрингер Природа; 2020.
11. Книга График знаний — специалисты по данным [Интернет]. Платформа графических данных Neo4j. [цитировано 25 февраля 2023 г.]. Доступно по адресу: https://neo4j.com/knowledge-graphs-data-in-context-for-responsive-businesses-data-scientists/