科学文献探索

KNOWNET是一个将大型语言模型（LLMs）与知识图谱（KG）相结合的项目，旨在提高信息检索的准确性和结构化探索能力。它通过三元组提取、嵌入向量与余弦相似度匹配、验证与信息提取等方法解决LLMs输出信息不准确的问题。同时，通过用户状态建模、子图构建、推荐生成和动态调整等机制，提供结构化的探索建议。此外，KNOWNET还通过图形化表示和逐步构建的方式，帮助用户逐步探索知识图谱，避免信息过载。该项目使用了GPT-4作为LLMs，并利用了ADInt KG，该KG包含了162,212个节点和1,017,284条边，涵盖了15种类型的实体和754,224篇科学文献。