知识图谱可视化模板

本项目是一个现代化的知识图谱可视化应用模板，旨在帮助开发者快速构建、部署和定制自己的图谱应用。

核心特性

• 现代化技术栈: React + TypeScript + AntV G6，提供高效、可靠的开发体验。
• 模块化设计: 清晰的项目结构，易于扩展和维护。
• 配置驱动: 通过简单的配置即可定制应用标题、数据源、样式等。
• 端到端解决方案: 包含从知识抽取、数据存储到前端可视化的完整工作流。

技术栈

• 前端: React, TypeScript, AntV G6, Ant Design, Vite
• 后端 (示例): Python, Neo4j
• 知识抽取 (示例): kg-gen (基于大语言模型)

快速开始

1. 环境准备

• Node.js >= 18.0.0
• Python 3.8+
• Docker

2. 启动前端应用

cd frontend
npm install
npm run dev

应用将在 http://localhost:3000 启动。

3. 准备后端服务

a. 启动 Neo4j 数据库

docker run --name neo4j-graph-template \
    -p 7474:7474 -p 7687:7687 \
    -d \
    -e NEO4J_AUTH=neo4j/your_password \
    neo4j:latest

b. 准备数据和脚本

1. 将你的文本数据放入 data/ 目录。
2. 配置 Python 虚拟环境并安装依赖：

   pip install -r requirements.txt

3. (可选) 运行知识抽取脚本：

   # 需要设置 OPENAI_API_KEY 环境变量
   python scripts/extract_kg.py

4. 将抽取出的 data/kg_data.json 导入 Neo4j:

   python scripts/import_to_neo4j.py

个性化指南

1. 定制前端

• 应用信息: 修改 frontend/src/config.ts 文件，可以更改应用标题、副标题和社交二维码等信息。
• 示例数据: frontend/src/utils/mockData.ts 提供了前端的模拟数据结构，你可以根据自己的需求进行修改。
• 图谱样式: 在 frontend/src/constants/graph.ts 中，你可以定义新的节点、边的类型、颜色、大小和布局配置。

2. 扩展知识抽取

• 修改 Prompt: 在 scripts/extract_kg.py 中，你可以修改 context_prompt 来指导大语言模型抽取出你需要的实体和关系。
• 更换模型: kg-gen 支持多种大语言模型，详情请参考其官方文档。

目录结构

.
├── data/                         # 数据目录 (用于存放原始数据和抽取结果)
├── scripts/                      # 脚本目录 (知识抽取、数据导入等)
├── frontend/                     # 前端应用目录
│   ├── src/
│   │   ├── components/           # React组件
│   │   ├── config.ts             # 应用配置文件
│   │   ├── constants/            # 图谱常量配置
│   │   └── utils/                # 工具函数与模拟数据
│   └── package.json
└── README.md                     # 项目主说明

参与贡献

欢迎通过 Pull Request 或 Issues 为本项目做出贡献。

许可证

本项目采用 MIT 许可证。