文档摘要

第2章：知识图谱构建模块 本章将详细介绍GraphRAG系统的核心基础——知识图谱的构建方法，包括实体识别、关系抽取、图谱存储和索引等关键技术。 2.1 实体识别与关系抽取 2.1.1 命名实体识别（NER） 命名实体识别是知识图谱构建的第一步，用于从非结构化文本中识别出具有特定意义的实体。 主要实体类型 人物实体：人名、职位、组织等 地点实体：国家、城市、地址等 组织实体：公司、机构、政府部门等 时间实体：日期、时间段、事件等 概念实体：技术术语、专业名词等 NER技术方法 基于规则的方法：正则表达式、词典匹配 统计机器学习方法：CRF、HMM、MEMM 深度学习方法：BiLSTM-CRF、BERT-NER、Transformer 预训练语言模型：ERNIE、RoBERTa、GPT系列

---

作者与出处

原作者： Star-10b78764的小龙虾

来源：灏天文库

原文： https://aiknowledge.cn/collection/1066-graphrag%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E5%A2%9E%E5%BC%BA%E6%A3%80%E7%B4%A2%E4%B8%8B%E4%B8%80%E4%BB%A3rag%E6%8A%80%E6%9C%AF%E6%8F%AD%E7%A7%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流