跳转至

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

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
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']}")

另请参见