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 este o colecție de seturi de date structurate și corpora concepute pentru a oferi un strat fundamental pentru sistemele de inteligență cognitivă și inteligență artificială. Acesta constă în principal din seturi de date de grafuri de cunoștințe chinezești la scară largă, incluzând date entitate-relație și seturi de antrenament NLP utilizate pentru a conduce înțelegerea semantică și răspunsul automat la întrebări. Proiectul se concentrează pe construcția și exportul de grafuri masive entitate-atribut-valoare, organizând cunoștințele în formate portabile. Oferă partiționare pe domenii specializate pentru a adapta regăsirea informațiilor pentru domenii profesionale precum sănătatea, armata și securitatea publică. Repository-ul acoperă o gamă largă de capabilități, inclusiv procesarea limbajului natural chinezesc, căutarea semantică și sistemele de dialog cognitiv. Setul său de instrumente cuprinde analiza lingvistică, extracția entităților, detectarea sentimentelor și rezumarea textului, precum și analiza conținutului vizual pentru auditarea site-urilor web și conversia vorbirii în text.

DeepKE is a knowledge extraction toolkit and framework designed to transform unstructured text into structured knowledge graphs. It provides a pipeline for identifying and classifying named entities, semantic relations, and events, converting raw datasets into structured triples. The project utilizes large language models as tool callers through a standardized context protocol to drive automated data extraction processes. It supports schema-driven extraction across multiple domains and bilingual text, employing joint entity and relation extraction to identify components in a single structured

GraphGPT este un generator de grafuri de cunoștințe bazat pe LLM, care extrage entități și relații din text nestructurat pentru a crea grafuri vizuale. Funcționează ca o interfață grafică pentru limbaj natural și un pipeline de extracție a datelor nestructurate, transformând textul brut în triplete structurate pentru maparea rețelelor complexe de informații. Sistemul permite maparea dinamică a cunoștințelor, permițând utilizatorilor să construiască și să actualizeze vizualizări de rețea prin interogări conversaționale și instrucțiuni bazate pe text. Acest lucru permite conversia datelor nestructurate în grafuri vizuale pentru a identifica tipare și conexiuni între entități. Instrumentul acoperă extracția entităților informaționale și a grafurilor de cunoștințe, oferind un pipeline pentru a transforma limbajul natural în reprezentări structurate ale informațiilor conectate.

Agriculture Knowledge Graph este un sistem de tip triple-store și o platformă de suport pentru decizii concepută pentru a transforma documentele agricole brute într-un grafic lizibil de către mașină. Funcționează ca un sistem de recuperare a informațiilor din domeniu care extrage și interoghează date agricole pentru a oferi răspunsuri inteligente și suport pentru planificare. Proiectul implementează un pipeline complet pentru construcția grafului de cunoștințe, dispunând de un framework de extracție a relațiilor și instrumente de recunoaștere a entităților numite. Utilizează supravegherea la distanță și machine learning pentru a identifica și clasifica relațiile dintre entități, convertind textul nestructurat într-o rețea de fapte și dependențe. Sistemul oferă capabilități pentru recuperarea informațiilor din domeniul agricol prin analiza căilor bazată pe grafuri și maparea taxonomiei ierarhice. Permite utilizatorilor să identifice entități specifice subiectului, să extragă relații de domeniu și să interogheze graful de cunoștințe pentru a descoperi conexiuni între noduri.

KnowledgeGraphCourse este o colecție structurată de materiale academice de nivel absolvent, note de curs și un curriculum cuprinzător axat pe teoria și aplicarea grafurilor de cunoștințe. Acesta servește ca o resursă educațională bazată pe markdown care oferă module de curs navigabile și ghiduri de studiu. Materialul acoperă cercetări specializate privind integrarea grafurilor de cunoștințe cu modelele de limbaj mari pentru a reduce halucinațiile. Include ghiduri detaliate despre utilizarea limbajului SPARQL pentru stocarea seturilor de date grafice la scară largă și executarea interogărilor optimizate. Curriculum-ul acoperă o gamă largă de capabilități, inclusiv extracția cunoștințelor, legarea entităților, învățarea reprezentărilor și integrarea semantică a datelor. Acesta abordează în continuare modelarea cunoștințelor, raționamentul și fuziunea surselor de date eterogene.

Spark NLP este un toolkit pentru analiza scalabilă a textului și machine learning, construit pe framework-ul de calcul distribuit Apache Spark. Oferă un framework de machine learning multimodal și un sistem de pipeline distribuit pentru secvențierea adnotatoarelor în vederea procesării datelor lingvistice la scară largă. Biblioteca include un procesor de text de tip transformer pentru generarea de embedding-uri vectoriale contextuale și un motor de inferență dedicat pentru gestionarea modelelor de limbaj mari (LLM). Proiectul se distinge prin capacitatea sa de a procesa tipuri de date eterogene, inclusiv text, audio și imagini, într-o arhitectură unificată vision-language. Suportă capabilități avansate de AI generativ, cum ar fi prompt engineering, extracția structurată a entităților cu output JSON constrâns și inferența locală pentru a elimina latența rețelei. În plus, oferă instrumente pentru traducerea între limbi și clasificare zero-shot pe modalități de text și imagine. Framework-ul acoperă o gamă largă de capabilități, inclusiv antrenarea modelelor supervizate pentru recunoașterea entităților și analiza sentimentelor, precum și răspunsul extractiv la întrebări și sumarizarea documentelor. Integrează suport pentru baze de date vectoriale pentru căutarea de similaritate și oferă infrastructură pentru accelerare GPU și gestionarea ciclului de viață al modelelor printr-un registru centralizat. Toolkit-ul permite distribuirea modelelor și pipeline-urilor personalizate printr-un repository public și suportă implementarea modelelor prin API-uri 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