2025年最佳 37 款知識圖譜工具

REBEL是一種基於BART的序列到序列模型，用於端到端關係抽取，支持200多種不同關係類型。

基於mGENRE的多語言生成式實體檢索模型，針對歷史文本優化，支持100+種語言，特別適配法語、德語和英語的歷史文檔實體鏈接。

KRISSBERT是一個基於知識增強自監督學習的生物醫學實體鏈接模型，通過利用無標註文本和領域知識訓練上下文編碼器，有效解決實體名稱多樣性變異和歧義性問題。

CODER是一種知識增強型跨語言醫學術語嵌入模型，專注於醫學術語規範化任務。

CODER是一個基於知識注入的跨語言醫學術語嵌入模型，專注於醫學術語標準化任務。

該模型是基於google/gemma-2-9b-it微調的Text2Cypher模型，能夠將自然語言問題轉換為Neo4j圖數據庫的Cypher查詢語句。

Triplex是SciPhi.AI基於Phi3-3.8B微調的模型，專為從非結構化數據構建知識圖譜設計，可將知識圖譜創建成本降低98%。

GENRE是一種基於序列到序列方法的實體檢索系統，採用微調後的BART架構，通過受約束的束搜索技術生成唯一實體名稱。

Gemma 3.4B IT 是一個基於文本到文本生成的大語言模型，專門用於將自然語言轉換為Cypher查詢語言。

REDFM是REBEL的多語言版本，用於多語言關係抽取任務，支持18種語言的關係三元組提取。

基於SecureBERT框架微調訓練，用於從網絡安全文本中提取事件核心、論元及其關係，構建知識圖譜。

基於Flan-T5-XL模型微調的三元組提取模型，用於從文本中識別主體-關係-客體結構

Phi-3-mini-4k-instruct-graph是微軟Phi-3-mini-4k-instruct的微調版本，專門用於從通用文本數據中進行實體關係提取，旨在在生成實體關係圖方面達到與GPT-4相當的質量和準確性。

由Henry Leonardi領導的Taskload團隊開發的因果提取模型，用於自動化信息抽取任務。

KnowGL是一個從文本生成與鏈接知識的模型，能夠提取實體關係三元組並鏈接到維基數據。

UIE是一個統一的信息抽取框架，能夠處理實體識別、關係抽取、事件檢測、情感分析等多種任務，具有跨任務遷移和泛化能力。

基於Qwen-2.5-0.5B模型，通過強化學習（GRPO）和監督學習聯合訓練而成的文本轉圖譜信息抽取模型。

Gemma-2-2B-TR-Knowledge-Graph 是基於 gemma-2-2b-it 微調的模型，專注於從文檔內容生成結構化知識圖譜。

Phi-3-mini-128k-instruct-graph 是微軟 Phi-3-mini-128k-instruct 的微調版本，專門用於從通用文本數據中提取實體關係。

ICKG是基於Vicuna-7B微調的知識圖譜構建專用指令遵循語言模型，擅長從文本文檔中提取結構化知識三元組

基於Gemma-2-9b-it微調的Text2Cypher模型，用於將自然語言轉換為Neo4j圖數據庫查詢語言Cypher

CGRE是一種基於BART的中文端到端關係抽取模型，採用生成式方法實現實體關係抽取，在多箇中文關係抽取數據集上表現優異。

AMRBART是一個預訓練的語義解析器，能夠將句子轉換為抽象意義圖(AMR)。最新版本v2更簡單、更快、更強。

支持多任務的聯合模型，可同時處理命名實體識別、關係抽取、實體提及檢測和共指消解任務

GEBERT是基於PubMedBERT預訓練的生物醫學實體鏈接模型，通過GAT圖編碼器增強UMLS概念圖的表示學習

SPBERT是一種基於SPARQL查詢的高效預訓練BERT模型，專門用於知識圖譜問答任務。

這是一個用於從隱私政策文本中抽取關係的模型，支持識別數據收集、存儲和傳輸等相關信息。

FReE是一個基於DistilBERT的模型，專門針對金融關係類型檢測與分類任務進行微調。

ULTRA 是一個面向知識圖譜推理的基礎模型，能夠在任意包含不同實體/關係詞匯的多關係圖上執行鏈接預測任務，支持零樣本推理和微調。

SpanBERT是由Facebook研究院開發的預訓練語言模型，通過在TACRED數據集上的微調，專門用於關係抽取任務。

這是一個基於KLUE基準測試的BERT-base模型，專門用於韓語關係抽取任務。

mREBEL是REBEL的多語言版本，用於多語言關係抽取任務，支持18種語言。

基於WikiKG90Mv2數據集訓練的T5模型，用於知識圖譜中的尾實體預測任務

CODER 是一個融合知識的跨語言醫學術語嵌入模型，用於醫學術語標準化。

Jeux2BERT是基於Flaubert語言模型並融合JeuxDeMots詞彙語義網絡增強的模型，能夠捕捉詞語的分佈式特徵與關聯屬性，並區分詞語或詞組間不同的關係特性。

布穀鳥是一個小型（3億參數）信息抽取（IE）模型，模仿大語言模型的下一詞預測範式，通過標記給定上下文中的下一詞進行預測。

基於RoBERTa-large微調的關係嵌入模型，專注於詞彙關係理解和類比推理任務