ChatGPT+SmartKG3分钟生成「哈利波特」知识图谱腾讯云开发者社区

ChatGPT能聊天,能用它生成知识图谱吗?当然可以了,今天就带大家来利用ChatGPT生成一款哈利波特知识图谱。

当然,ChatGPT的功能在于抽取《哈利波特》中的实体和关系,要存储、搜索、可视化图谱,我们还需要一款知识图谱引擎,此处选用开源的SmartKG——

SmartKG是微软开源的一款产品,作为轻量级知识图谱可视化+智能对话框架,它能够根据用户输入的实体和关系数据自动生成知识图谱,并提供图谱可视化及基于图谱的智能对话机器人。

SmartKG官方下载地址>>

如下附Julia老师的介绍SmartKG&知识图谱的B站视频链接,速戳>>

▍用ChatGPT抽取知识图谱的实体和关系

工具选好用SmartKG之后,首先要做的是将《哈利波特》中的人物转化成实体(图节点),这一步由ChatGPT承担。

我们设计这样一个问题来提示ChatGPT:

“我需要一个list,这个list里面都是HarryPotter里面的角色”,然后输入两个例子:

一是Harry,如下列出他的信息:

“Harry是男的,巫师,在霍格沃茨,被大众熟知为是大难不死的男孩”。

二是赫敏,也是巫师,也是在霍格沃茨上学,由于她特别的聪明,所以她被人们所知道。

按照如上描述,输入给ChatGPT,它就给出了下图的回复。

大家看输出的“HarryPotter”,中间都已经用逗号隔开,这样的一个文本就基本上已经是格式化文本了。

有了节点介绍之后,就需要的是「关系」,很简单就是三元组。

接下来,需要继续地给ChatGPT描述上面这些角色之间的关系,同样我要给它一个格式,按照输入的格式,ChatGPT输出的结果如下图所示

通过重复要求ChatGPT输出,之后把所有的这些内容都copy至一个文本文件,存成了nodes.csv。

哈利波特里面分正邪双方,通过ChatGPT可以输出谁是善良的一方,谁是邪恶的一方。

大家可以将这些都存在一个文档里,其实并不需要它很格式化。因为只是需要得到每一个名字生成节点的时候会需要用,以及介绍他们都是什么人,之后就可以反复地生成一系列人物的关系。

▍用ChatGPT写Python脚本进行数据处理

现在我们需要把实体和关系存储为SmartKG的模板定义的格式。这里就需要一个脚本来处理刚才存储的CSV文件。

我们当然可以自己写脚本,不过有ChatGPT,为什么不让它直接生成代码呢?

如上图所示,我们要求ChatGPT生成pythoncode,去读CSV文件,一行行读,然后忽略空行,每一行用逗号把它们separate出来,然后把第一个element放到一个set里面去。

之后再要求:如果当前的这一行的第一个element,它已经在这个set里了,那就不处理它。

反过来如果它还不在这个set里,就要进一步去把它整个这一行里面的所有的内容都转到一个excel文档里面去。

经过后期稍微的修改和调试,再按照SmartKG的模板,首先将它分为vertexes和edges两个sheets。大家可以用名字本身来作为实体ID,属性设置有gender和profession等。

▍用SmartKG对知识图谱进行存储和运算

之后用SmartKG新建一个数据仓库就叫HarryPotter,然后上载数据。之后进入知识图谱页,选择数据仓库和场景,先进行图谱可视化。

根据上图大家可以看到,我们总共生成了28个人物和20对关系。分了两个颜色,蓝色代表伏地魔,这显然就是邪恶的一方;绿色的整体上是善良的,或者至少是不邪恶的。

此处图谱完全是通过ChatGPT直接生成的,没有加任何其他的额外的人工干预的结果。

▍基于知识图谱进行智能对话

接下来,便可以测试一下基于SmartKG的对话。如下图所示:

左右滑动查看“测试对话”

通过ChatGPT直接生成的「节点」还有「边」,然后再通过ChatGPT生成code,对案例中存下来的数据进行处理,再用SmartKG就可以生成这样的一个知识图谱。

基于这个知识图谱还可以进行对话,真的是非常神奇的一段体验!

THE END
1.chatgpt怎么使用图片?Worktile社区6. 答案生成:使用训练好的ChatGPT模型对输入的问题和图像进行推断,生成对应的答案。可以使用Beam Search等策略来改进答案的质量。 需要注意的是,训练一个同时处理文本和图像的ChatGPT模型是一项复杂的任务,需要大量的数据和计算资源。此外,模型训练的过程可能需要较长的时间,需要有耐心和合适的硬件设备。 https://worktile.com/kb/ask/536988.html
2.图像识别:结合ChatGPT与图像识别技术Q: 如何将ChatGPT与图像识别技术结合使用? A: 将ChatGPT与图像识别技术结合使用的主要步骤包括图像预处理、图像描述生成、文本描述处理、自然语言处理以及结果解释等。 Q: 将ChatGPT与图像识别技术结合使用的实际应用场景有哪些? A: 将ChatGPT与图像识别技术结合使用的实际应用场景包括自动驾驶汽车、物流和仓库管理、医https://blog.csdn.net/universsky2015/article/details/135780523
3.2023ChatGPT人工智能新纪元.pdf1.1.2ChatGPT并不完美 虽然ChatGPT模型与GPT-3模型相比,性能提高了一个层次,但 ChatGPT依然有不完美的地方。 实际上,ChatGPT和GPT-3类似人类的输出和惊人的通用性只是优 秀技术的结果,而不是真正的“聪明”。不管是过去的GPT-3还是现在的 ChatGPT,都会犯一些可笑的错误,尤其是文化常识问题、数学计算题 等。而https://max.book118.com/html/2024/0112/5304213221011041.shtm
4.chatgpt图计算pert图怎么算footballboy的技术博客项目中各个工序的工作时间不肯定,通常引入概率计算方法得出工序时间。 3,PERT网络分析法的工作步骤 A,确定完成项目必须进行的每一项有意义的活动,完成每项活动都产生事件或结果 B,确定活动完成的先后次序 C,绘制活动流程从起点到终眯的图形,结果得到一幅箭线流程图,称之为PERT网络: https://blog.51cto.com/u_12196/11533769
5.如何用chatgpt辅助制几何图绘制几何图:根据ChatGPT提供的指导,使用绘图工具(例如Python中的matplotlib库)将几何图绘制出来。根据模型提供的信息,可以计算出坐标、边长、角度等,并将其绘制在图像上。 检查和修正:绘制完几何图后,检查图形的正确性并与ChatGPT进行比对。如果有错误或不符合预期的地方,可以进一步询问模型并修正图形。 https://www.chatairc.com/14085/
6.教7岁小孩搞懂ChatGPT树龙:所以大语言模型非常耗费算力。随着大语言模型越来越多,GPU(图形处理器)的需求越来越大,生产GPU的公司这两年都赚翻了。为什么不用传统电脑使用的CPU(中央处理器)呢?因为训练大语言模型需要大量、复杂的并行(同时进行的)计算,而这是GPU的强项。 小宝:那相比之下,人类的大脑真是太强大了,拥有100倍ChatGPT的神https://36kr.com/p/2596804134330501
7.AIGC从入门到实战:ChatGPT+Midjourney+StableDiffusion+行业应用近年来,人工智能领域出现了若干现象级产品,如耳熟能详的AlphaGo、AlphaFold和ChatGPT,这些现象级产品表现出较强的内容生成能力(即“无中生有”):AlphaGo根据当前落子局势,从对已有落子的学习中生成一个策略,以更好应对当前落子;AlphaFold从蛋白质的基因序列和其三维空间结构的配对数据中进行学习后,按照给定的基因序列输https://www.epubit.com/bookDetails?id=UB836243ed3382a
8.ChatGPT的狂飙之路相同的是,他们都表现出了对 ChatGPT 能力的极大惊叹,态度明显趋向于积极。由此可见,对于 ChatGPT 人们也呈现出一种既爱又恨的复杂心态。一方面,它可以大幅提高工作效率,把人们从繁琐的重复劳动中解放出来;另一方面,“AI或将取代人类”的阴云恐怕将一直笼罩在人类头顶之上。事实上,新闻、高等教育、图形和软件设计等http://www.xinminweekly.com.cn/lunbo/2023/02/16/18541.html
9.对话ChatGPT一次产品视角的GPT功能测试(基于gpt3.5模型)阿里的千义百问邀请码还没下来,故没有办法做对照测试,于是找了个套壳的GPT 3.5,借着慕课网的这次活动,从如下几个维度进行简单的测试,并将测试结果和Question:请给出通用的图形数字验证码的代码示例,分别用C#和java实现,并给出详细注释 Answer:由于图形数字验证码的实现方式和具体需求有关,因此我提供一种通用https://www.imooc.com/article/334971
10.用ChatGPT画流程图——人人都是提示工程师(10)5.3 用 ChatGPT 画流程图 流程图是一种用于描述流程或过程的图形化工具,通常用于展示 复杂流程的步骤、控制流程、决策路径和数据流等。在各个领域中,流程图都有广泛的应用。以下是一些常见的应用场景。 ·项目管理:流程图可以用于展示项目的整体流程和各个阶段的 具体步骤,帮助项目管理者与团队成员更好地了解项目的http://www.51testing.com/mobile/view.php?itemid=7799373
11.GPT的背后,从命运多舛到颠覆世界,人工神经网络的跌宕80年但该领域在学术界与产业界的飞速发展还是要等到17年前,硬件方面的突破——通用计算GPU芯片的出现,于是,才有了今天,随着ChatGPT等大型语言预训练神经网络模型,成为广为人知的名字。 从一定意义上,人工神经网络的成功是一种幸运,因为,不是所有的研究,都能等到核心的关键突破,等到万事齐备。在更多的领域,技术的突破出https://wallstreetcn.com/articles/3689779?keyword=w