Awesome GitHub RepositoriesKnowledge Graph Extraction

Understand-Anything is a codebase architecture visualization tool that transforms source code and documentation into interactive knowledge graphs. It maps files, functions, and classes into a node-edge model to visualize architectural dependencies and project structures. The project provides specialized workflows for impact analysis, tracing connectivity paths from code modifications to identify affected downstream components. It also enables technical onboarding through automated architecture tours and the conversion of technical documentation into navigable networks of interconnected ideas.

This repository serves as a comprehensive library of architectural blueprints and code examples for integrating large language models into software applications. It functions as a developer learning resource, providing structured tutorials and implementation patterns that demonstrate how to build intelligent features using advanced prompting and data processing techniques. The collection distinguishes itself by focusing on complex reasoning and data-grounding workflows. It provides practical guidance on implementing retrieval-augmented generation pipelines, which connect language models to pr

gbrain is an agent framework and retrieval-augmented generation system that combines a durable task queue, a git-synced vector store, and a knowledge graph engine. It provides a foundation for building AI agents that interact with structured knowledge bases using the Model Context Protocol. The system synchronizes markdown files from a git repository into a database for high-performance semantic retrieval and creates typed edges between data pages by extracting entity references and wikilinks. It uses a database-backed queue to execute persistent background jobs and tool loops, ensuring relia

AgentMemory is a persistent knowledge store and memory server designed to provide AI coding agents with long-term memory. It functions as a knowledge graph engine and vector database store that saves and recalls project context, architectural decisions, and patterns across different sessions. The system distinguishes itself by using a tiered-memory consolidation pipeline that compresses raw observations into episodic, semantic, and procedural layers to optimize token usage. It employs a hybrid retrieval strategy combining keyword matching, vector embeddings, and graph traversal to surface rel

Cognee is an agentic memory management platform designed to provide autonomous agents with long-term semantic recall and structured knowledge. It functions as a framework for building persistent memory systems that connect large language models to graph-based knowledge and vector storage, enabling agents to maintain context across complex tasks and multiple sessions. The platform distinguishes itself through a hybrid approach that combines semantic similarity search with structural graph traversal, allowing for context-aware information retrieval. It features a modular architecture that orche

This project is a comprehensive framework for developing, orchestrating, and deploying autonomous agents. It provides a structured environment for building agents that utilize reasoning loops to perform multi-step tasks, manage state through graph-based workflows, and interact with external tools. By mapping unstructured model outputs into typed schemas, the framework ensures reliable integration with downstream application logic. The platform distinguishes itself through a focus on production-grade reliability and security. It incorporates hybrid memory systems that combine vector embeddings

This project is a comprehensive framework for building and managing autonomous agent systems. It provides a unified architecture for orchestrating multi-agent societies, where specialized agents collaborate through roleplay to decompose and solve complex tasks. The system integrates language models with external environments, enabling agents to perform real-world actions through a standardized tool-calling abstraction layer. The framework distinguishes itself through its focus on iterative reasoning and data reliability. It employs automated feedback loops to refine agent outputs and self-eva

This project is a multi-model database system designed to store and manage information as documents, graphs, and key-value pairs within a single engine. It functions as a graph database and knowledge graph platform, providing the infrastructure to build, query, and visualize structured data models. By integrating vector search capabilities, the system serves as a vector database that supports retrieval-augmented generation for artificial intelligence applications. The platform distinguishes itself through a unified query language that allows users to perform document lookups, graph traversals

Ragas is an evaluation framework designed to measure the performance of retrieval-augmented generation pipelines and autonomous agent workflows. It provides a comprehensive suite of tools for benchmarking system outputs, utilizing language models as automated judges to score performance against defined rubrics and reference data. By standardizing inputs, retrieved contexts, and generated responses into a unified schema, the project enables consistent analysis across complex AI applications. The framework distinguishes itself through its ability to generate synthetic test datasets from existin

Cocoindex is an incremental data processing engine that builds and maintains live indexes for AI agents, with a core focus on codebase indexing and knowledge graph extraction. The engine uses a function-graph execution model where user-defined Python functions are composed into a directed acyclic graph, and it processes data incrementally so only changed source records or code paths are re-computed, avoiding full recomputation at any scale. It supports automatic schema inference from transformation pipeline type annotations and provides full data lineage tracing, tagging every output record wi

KnowledgeGraphData es una colección de conjuntos de datos estructurados y corpora diseñados para proporcionar una capa fundamental para sistemas de inteligencia cognitiva e inteligencia artificial. Consiste principalmente en conjuntos de datos de grafos de conocimiento chinos a gran escala, incluyendo datos de relación de entidades y conjuntos de entrenamiento de NLP utilizados para impulsar la comprensión semántica y la respuesta automática a preguntas. El proyecto se centra en la construcción y exportación de grafos masivos de entidad-atributo-valor, organizando el conocimiento en formatos portátiles. Proporciona partición de dominio especializada para adaptar la recuperación de información a campos profesionales como la salud, el ejército y la seguridad pública. El repositorio cubre una amplia gama de capacidades, incluyendo procesamiento de lenguaje natural en chino, búsqueda semántica y sistemas de diálogo cognitivo. Su conjunto de herramientas abarca análisis lingüístico, extracción de entidades, detección de sentimientos y resumen de texto, así como análisis de contenido visual para auditoría de sitios web y conversión de voz a texto.

DeepKE es un kit de herramientas y framework de extracción de conocimiento diseñado para transformar texto no estructurado en grafos de conocimiento estructurados. Proporciona una tubería para identificar y clasificar entidades nombradas, relaciones semánticas y eventos, convirtiendo conjuntos de datos crudos en triples estructurados. El proyecto utiliza modelos de lenguaje grandes como llamadores de herramientas a través de un protocolo de contexto estandarizado para impulsar procesos automatizados de extracción de datos. Admite la extracción basada en esquemas en múltiples dominios y texto bilingüe, empleando la extracción conjunta de entidades y relaciones para identificar componentes en una única salida estructurada. El kit de herramientas incluye capacidades para el entrenamiento y ajuste fino de modelos, optimización de hiperparámetros y preparación de datos mediante supervisión distante y etiquetado automático de relaciones. También cuenta con entrenamiento distribuido en GPU, optimización de memoria de modelos mediante cuantización y la capacidad de desplegar modelos entrenados como servicios de inferencia a través de endpoints de API.

GraphGPT es un generador de grafos de conocimiento basado en LLM que extrae entidades y relaciones de texto no estructurado para crear grafos de conocimiento visuales. Funciona como una interfaz de grafo de lenguaje natural y un pipeline de extracción de datos no estructurados, transformando texto sin procesar en triples estructurados para mapear redes de información complejas. El sistema permite el mapeo dinámico de conocimiento al permitir a los usuarios construir y actualizar visualizaciones de red mediante consultas conversacionales e instrucciones basadas en texto. Esto permite convertir datos no estructurados en grafos visuales para identificar patrones y conexiones entre entidades. La herramienta cubre la extracción de entidades de información y grafos de conocimiento, proporcionando un pipeline para convertir lenguaje natural en representaciones estructuradas de información conectada.

Agriculture Knowledge Graph es un sistema de triple-store estructurado y plataforma de soporte a la decisión diseñado para transformar documentos agrícolas crudos en un grafo legible por máquina. Funciona como un sistema de recuperación de información de dominio que extrae y consulta datos agrícolas para proporcionar respuestas inteligentes y soporte a la planificación. El proyecto implementa un pipeline completo para la construcción de grafos de conocimiento, contando con un framework de extracción de relaciones y herramientas de reconocimiento de entidades nombradas. Utiliza supervisión remota y aprendizaje automático para identificar y clasificar relaciones entre entidades, convirtiendo texto no estructurado en una red de hechos y dependencias. El sistema proporciona capacidades para la recuperación de información del dominio agrícola mediante análisis de rutas basado en grafos y mapeo de taxonomía jerárquica. Permite a los usuarios identificar entidades específicas del sujeto, extraer relaciones de dominio y consultar el grafo de conocimiento para descubrir conexiones entre nodos.

KnowledgeGraphCourse is a structured collection of graduate-level academic materials, lecture notes, and a comprehensive curriculum focused on the theory and application of knowledge graphs. It serves as a markdown-based educational resource that provides navigable course modules and study guides. The material covers specialized research on integrating knowledge graphs with large language models to reduce hallucinations. It includes detailed guides on using the SPARQL language for storing large-scale graph datasets and executing optimized queries. The curriculum spans a broad range of capabi

Spark NLP es un kit de herramientas para el análisis de texto escalable y aprendizaje automático construido sobre el framework de computación distribuida Apache Spark. Proporciona un framework de aprendizaje automático multimodal y un sistema de tuberías distribuido para secuenciar anotadores para procesar datos lingüísticos a gran escala. La librería incluye un procesador de texto transformer para generar embeddings vectoriales contextuales y un motor de inferencia dedicado para gestionar grandes modelos de lenguaje. El proyecto se distingue por su capacidad para procesar tipos de datos heterogéneos, incluyendo texto, audio e imágenes, dentro de una arquitectura unificada de visión-lenguaje. Admite capacidades avanzadas de IA generativa como prompt engineering, extracción de entidades estructuradas con salida JSON restringida e inferencia local para eliminar la latencia de red. Además, proporciona herramientas para la traducción entre idiomas y la clasificación zero-shot a través de modalidades de texto e imagen. El framework cubre una amplia gama de capacidades, incluyendo el entrenamiento de modelos supervisados para el reconocimiento de entidades y el análisis de sentimientos, así como la respuesta a preguntas extractiva y el resumen de documentos. Integra soporte para bases de datos vectoriales para la búsqueda de similitud y ofrece infraestructura para la aceleración por GPU y la gestión del ciclo de vida del modelo a través de un registro centralizado. El kit de herramientas permite la distribución de modelos y tuberías personalizados a través de un repositorio público y admite el despliegue de modelos mediante APIs REST.

OpenViking is a multi-tenant context server and knowledge base administration system designed to provide AI agents with persistent long-term memory. It enables the indexing of diverse documents and codebases to support retrieval-augmented generation, allowing agents to recall past interactions, user preferences, and learned experiences across sessions. The project is distinguished by its use of a URI-based virtual filesystem to organize memories, resources, and skills. It implements a tiered context loading system that balances retrieval precision with token budgets by structuring data into a

This project is a tool for transforming unstructured text into semantic knowledge graphs. It uses local language models to extract entities and their relationships, converting text corpora into a structured network of linked concepts. The system provides a web interface for interactive network visualization, allowing users to navigate the resulting nodes and edges. It includes a topology analysis tool that calculates node degrees and identifies community clusters to determine the visual size and color of graph elements. Beyond visualization, the project enables graph-based information retrie

Hyper-Extract is a framework designed for automated knowledge extraction, graph construction, and retrieval-augmented generation. It functions as a command-line tool that transforms unstructured text into structured knowledge graphs and hypergraphs, enabling users to build interconnected, searchable, and machine-readable data repositories from their documents. The system distinguishes itself through its focus on personal knowledge management and incremental processing. It allows users to update existing knowledge bases by processing only new document deltas, avoiding redundant computation. Th