Skip to content

Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.

6.3 KB
Raw Blame

通用模板

基础类型和常见提取任务。


概述

通用模板为各种文档提供基本的提取功能。


基础类型

base_model

用途:基础结构化数据提取

输出:单个结构化对象

用于:简单摘要、表单类数据

=== "CLI"

```bash
he parse doc.md -t general/model -l zh
```

=== "Python"

```python
ka = Template.create("general/model", "zh")
result = ka.parse(doc_text)

print(result.data)
```

输出模式:

{
    "field1": "value1",
    "field2": "value2"
}

base_list

用途:有序集合提取

输出:项目列表

用于:序列、排名

=== "CLI"

```bash
he parse doc.md -t general/list -l zh
```

=== "Python"

```python
ka = Template.create("general/list", "zh")
result = ka.parse(doc_text)

for item in result.data.items:
    print(f"- {item}")
```

输出模式:

{
    "items": ["item1", "item2", "item3"]
}

base_set

用途:唯一集合提取

输出:唯一项目集合

用于:标签、类别、关键词

=== "CLI"

```bash
he parse doc.md -t general/set -l zh
```

=== "Python"

```python
ka = Template.create("general/set", "zh")
result = ka.parse(doc_text)

for item in result.data.items:
    print(f"- {item}")
```

输出模式:

{
    "items": {"unique1", "unique2", "unique3"}
}

base_graph

用途:基础实体关系提取

输出:包含实体和关系的图谱

用于:知识图谱、网络

=== "CLI"

```bash
he parse doc.md -t general/graph -l zh
```

=== "Python"

```python
ka = Template.create("general/graph", "zh")
result = ka.parse(doc_text)

print(f"实体: {len(result.nodes)}")
print(f"关系: {len(result.edges)}")
```

输出模式:

{
    "entities": [
        {"name": "Entity1", "type": "type1"},
        {"name": "Entity2", "type": "type2"}
    ],
    "relations": [
        {"source": "Entity1", "target": "Entity2", "type": "relates_to"}
    ]
}

专业模板

biography_graph

类型:temporal_graph

用途:提取人物生平事件和时间线

最适合:传记、简介、回忆录

=== "CLI"

```bash
he parse sushi.md -t general/biography_graph -l zh
```

=== "Python"

```python
ka = Template.create("general/biography_graph", "zh")
result = ka.parse(biography_text)

# 构建索引以支持交互功能
result.build_index()

# 可视化生平事件(支持搜索/对话功能)
result.show()

# 提问
response = result.chat("主要成就是什么?")
print(response.content)
```

特性:

  • 提取人物、地点、事件
  • 捕获时间关系
  • 时间线可视化

示例输出:

{
    "entities": [
        {"name": "苏轼", "type": "人物"},
        {"name": "《念奴娇·赤壁怀古》", "type": "作品"}
    ],
    "relations": [
        {
            "source": "苏轼",
            "target": "《念奴娇·赤壁怀古》",
            "type": "创作",
            "time": "1082"
        }
    ]
}

concept_graph

类型:graph

用途:提取概念及其关系

最适合:研究论文、技术文档、文章

=== "CLI"

```bash
he parse paper.md -t general/concept_graph -l zh
```

=== "Python"

```python
ka = Template.create("general/concept_graph", "zh")
result = ka.parse(paper_text)

# 获取概念图
for node in result.nodes:
    print(f"概念: {node.name}")

for edge in result.edges:
    print(f"{edge.source} → {edge.target}")
```

特性:

  • 概念识别
  • 关系映射
  • 层次结构

doc_structure

类型:model

用途:提取文档结构和大纲

最适合:长文档、报告、书籍

=== "CLI"

```bash
he parse report.md -t general/doc_structure -l zh
```

=== "Python"

```python
ka = Template.create("general/doc_structure", "zh")
result = ka.parse(report_text)

print(f"标题: {result.data.title}")
print(f"章节: {len(result.data.sections)}")

for section in result.data.sections:
    print(f"- {section.heading}")
```

特性:

  • 章节识别
  • 标题层次
  • 每节要点

workflow_graph

类型:graph

用途:提取流程工作流

最适合:程序、流程、工作流

=== "CLI"

```bash
he parse procedure.md -t general/workflow_graph -l zh
```

=== "Python"

```python
ka = Template.create("general/workflow_graph", "zh")
result = ka.parse(procedure_text)

# 构建索引用于可视化
result.build_index()

# 可视化工作流
result.show()

# 查询工作流
response = result.chat("第一步是什么?")
print(response.content)
```

特性:

  • 步骤识别
  • 流程关系
  • 决策点

何时使用通用模板

何时使用:

  • 文档不属于特定领域
  • 需要基础提取
  • 探索/文档类型未知
  • 构建自定义工作流

何时不使用:

  • 有领域特定模板可用(改用那个)
  • 需要专业字段(创建自定义模板)

示例

示例 1:简单摘要

from hyperextract import Template

ka = Template.create("general/model", "zh")
result = ka.parse("""
会议记录:
日期:2024年1月15日
参会:Alice, Bob, Carol
主题:Q1 规划
决定:3月发布产品
""")

print(result.data)

示例 2:传记分析

ka = Template.create("general/biography_graph", "zh")
result = ka.parse(biography_text)

# 构建索引以支持交互功能
result.build_index()

# 可视化生平事件(支持搜索/对话功能)
result.show()

# 提问
response = result.chat("主要成就是什么?")
print(response.content)

示例 3:研究论文

ka = Template.create("general/concept_graph", "zh")
result = ka.parse(paper_text)

# 获取概念图
for node in result.nodes:
    print(f"概念: {node.name}")

for edge in result.edges:
    print(f"{edge.source} → {edge.target}")

参见