Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.
方法
提取算法指南以及何时使用每种方法。
概述
方法是底层算法,从文本中提取知识。它们决定:
- 如何处理文本
- 如何识别实体和关系
- 提取的质量和风格
方法类别
典型方法
直接提取,无需检索。
最适合:较小的文档、直接提取
graph LR
A[Document] --> B[LLM Processing]
B --> C[Extract Structure]
基于 RAG 的方法
检索增强生成 将信息检索与文本生成相结合。
最适合:大型文档、复杂查询
graph LR
A[Document] --> B[Chunk & Index]
B --> C[Retrieve Relevant]
C --> D[Generate Answer]
D --> E[Extract Structure]
典型方法
itext2kg
描述:高质量基于三元组的提取
特点:
- 针对三元组质量优化
- 迭代精炼
- 适合知识库构建
最适合:
- 知识图谱构建
- 高质量要求
- 三元组提取
用法:
ka = Template.create("method/itext2kg")
itext2kg_star
描述:增强版 iText2KG
特点:
- 提高提取质量
- 更好地处理复杂情况
- 增强的实体链接
最适合:
- 质量至关重要时
- 复杂提取场景
- 生产系统
用法:
ka = Template.create("method/itext2kg_star")
kg_gen
描述:知识图谱生成器
特点:
- 可配置的生成
- 灵活的 schema
- 快速处理
最适合:
- 自定义 schema
- 快速原型
- 灵活需求
用法:
ka = Template.create("method/kg_gen")
atom
描述:带证据的时序知识图谱
特点:
- 时序事实提取
- 证据归属
- 置信度评分
最适合:
- 时序分析
- 事实验证
- 时间线提取
用法:
ka = Template.create("method/atom")
基于 RAG 的方法
chunk_rag
描述:基于原始文本块的基线检索
特点:
- 零提取成本:文档直接分块并向量化,摄入过程不调用 LLM
- 检索返回原始文本块,而非结构化知识
- 完整的溯源支持:来源账本、按文档回滚、标签、范围检索
- 是评估各类图谱方法的参照基线
最适合:
- 语料库的快速问答
- 投入提取成本前的基线对比
- 提取成本敏感的超大规模语料
用法:
he parse ./docs -m chunk_rag -o my_ka
he search my_ka "这个语料库讲什么?"
ka = Template.create("method/chunk_rag")
light_rag
描述:轻量级基于图谱的 RAG
特点:
- 最快的 RAG 方法
- 二元边(source → target)
- 速度/质量的良好平衡
- 适合大多数用例
最适合:
- 通用提取
- 中大型文档
- 快速结果
用法:
ka = Template.create("method/light_rag")
graph_rag
描述:带社区检测的 Graph-RAG
特点:
- 社区检测用于组织
- 层次化摘要
- 最适合非常大的文档
- 较慢但彻底
最适合:
- 非常大的文档(书籍、长论文)
- 复杂主题结构
- 研究论文
用法:
ka = Template.create("method/graph_rag")
hyper_rag
描述:基于超图谱的 RAG
特点:
- N 元超边(2+ 个实体)
- 捕获复杂关系
- 更丰富的图谱结构
最适合:
- 多方关系
- 项目协作
- 复杂组织结构
用法:
ka = Template.create("method/hyper_rag")
hypergraph_rag
描述:高级超图谱 RAG
特点:
- 增强的超图谱能力
- 高级关系建模
最适合:
- 复杂超图谱场景
- 高级关系分析
用法:
ka = Template.create("method/hypergraph_rag")
cog_rag
描述:认知 RAG
特点:
- 认知检索机制
- 以推理为中心
最适合:
- 推理任务
- 问答系统
用法:
ka = Template.create("method/cog_rag")
选择指南
按文档大小
| 大小 | 推荐 |
|---|---|
| 小型(< 1K 词) | itext2kg, kg_gen |
| 中型(1-10K) | light_rag, itext2kg_star |
| 大型(10-50K) | light_rag, graph_rag |
| 非常大(> 50K) | graph_rag |
按用例
| 用例 | 推荐 |
|---|---|
| 快速问答 / 基线 | chunk_rag |
| 快速提取 | light_rag |
| 最佳质量 | itext2kg_star |
| 大型文档 | graph_rag |
| 复杂关系 | hyper_rag |
| 时序事实 | atom |
| 知识库 | itext2kg |
按优先级
| 优先级 | 推荐 |
|---|---|
| 速度 | light_rag |
| 质量 | itext2kg_star |
| 成本 | light_rag |
| 完整性 | graph_rag |
比较表
| 方法 | 速度 | 质量 | 内存 | 最佳用途 |
|---|---|---|---|---|
| chunk_rag | ⭐⭐⭐ | —(原始块) | ⭐⭐⭐ | 基线 / 语料问答 |
| itext2kg | ⭐⭐⭐ | ⭐⭐⭐ | ⭐ | 质量优先 |
| itext2kg_star | ⭐⭐⭐ | ⭐⭐⭐ | ⭐ | 生产质量 |
| kg_gen | ⭐⭐⭐ | ⭐⭐ | ⭐ | 灵活性 |
| atom | ⭐⭐ | ⭐⭐⭐ | ⭐⭐ | 时序数据 |
| light_rag | ⭐⭐⭐ | ⭐⭐ | ⭐⭐ | 通用 |
| graph_rag | ⭐ | ⭐⭐⭐ | ⭐⭐⭐ | 大型文档 |
| hyper_rag | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | 复杂关系 |
列出可用方法
from hyperextract.methods import list_methods
methods = list_methods()
for name, info in methods.items():
print(f"{name}: {info['description']}")
print(f" Type: {info['type']}")