OneKE : Un système d'extraction de connaissances basé sur un agent LLM guidé par un schéma et dockerisé.

OneKE: A Dockerized Schema-Guided LLM Agent-based Knowledge Extraction System

December 28, 2024

Auteurs: Yujie Luo, Xiangyuan Ru, Kangwei Liu, Lin Yuan, Mengshu Sun, Ningyu Zhang, Lei Liang, Zhiqiang Zhang, Jun Zhou, Lanning Wei, Da Zheng, Haofen Wang, Huajun Chen

cs.AI

Résumé

Nous présentons OneKE, un système d'extraction de connaissances guidé par schéma dockerisé, capable d'extraire des connaissances du Web et de livres PDF bruts, et prenant en charge divers domaines (science, actualités, etc.). Plus précisément, nous concevons OneKE avec plusieurs agents et une base de connaissances configurée. Différents agents remplissent leurs rôles respectifs, permettant de prendre en charge divers scénarios d'extraction. La base de connaissances configurée facilite la configuration du schéma, le débogage des cas d'erreur et la correction, améliorant ainsi les performances. Des évaluations empiriques sur des ensembles de données de référence démontrent l'efficacité de OneKE, tandis que des études de cas éclairent davantage son adaptabilité à diverses tâches dans de multiples domaines, soulignant son potentiel pour des applications étendues. Nous avons rendu le code source disponible sur https://github.com/zjunlp/OneKE et publié une vidéo sur http://oneke.openkg.cn/demo.mp4.

English

We introduce OneKE, a dockerized schema-guided knowledge extraction system, which can extract knowledge from the Web and raw PDF Books, and support various domains (science, news, etc.). Specifically, we design OneKE with multiple agents and a configure knowledge base. Different agents perform their respective roles, enabling support for various extraction scenarios. The configure knowledge base facilitates schema configuration, error case debugging and correction, further improving the performance. Empirical evaluations on benchmark datasets demonstrate OneKE's efficacy, while case studies further elucidate its adaptability to diverse tasks across multiple domains, highlighting its potential for broad applications. We have open-sourced the Code at https://github.com/zjunlp/OneKE and released a Video at http://oneke.openkg.cn/demo.mp4.