知识图谱

从材料中抽取人物、组织、概念、事件等实体和它们之间的关系,生成一张知识图谱,每条关系都附上支撑它的原文片段。

可以选择抽取框架:通用、文献综述、政策分析、访谈与田野材料、教材与课程知识点各预设了一套实体类型和关系谓词,也可以自己指定这两套类目。长文按设定的分块大小逐段抽取后合并;开启聚类优化会把写法不同、所指相同的实体与关系并成一条。图谱建成后会统计各实体的连接情况,把联系紧密的实体归成若干主题群,并按所选框架整理出一份提纲。

使用前抽查关键关系
  1. 只有口号或纲要式短句时可能抽不出实体,任务会返回内容不适合。
  2. 图中每条关系都附有支撑它的原文片段,使用前先按片段抽查关键关系。
加载文件上传组件中…

框架会约束实体类型、关系谓词和后续提纲方向,适合先按使用场景减少无关实体。

6,000 个字符

值越大,单段上下文越完整、跨段实体丢失越少,但单次推理耗时更长; 值越小,处理速度更快,但可能遗漏跨段关系。可按 1000 个字符为单位在 1000–10000 个字符之间调节。

每 10,000 个字符 10 点

知识图谱常见问题

关系是怎么来的,能核对吗?
每条关系都附上支撑它的原文片段,可以回到原文核对。
政策文件、访谈材料用哪套框架?
通用、文献综述、政策分析、访谈与田野材料、教材与课程知识点各预设了一套实体类型和关系谓词,也可以自己指定。
同一个人写法不同会算成两个吗?
开启聚类优化后,写法不同、所指相同的实体与关系会并成一条。
知识图谱需要安装软件或写代码吗?
不用安装软件,也不用写代码。
知识图谱怎么计费?
按文字量计费,每满 10000 字 10 点,不足 10000 字按 10 点算。提交前页面会显示本次消耗。
结果可以写进论文吗?
可以。报告里的数字和图表附有统计口径与原文出处,末尾有方法说明,涉及统计模型的报告还列出参考文献,可以作为论文附件或方法依据。
相关工具
  • 事件时间线抽取从中文材料中抽取何时发生了什么事,推算日期、合并重复记录,整理成带阶段划分与关键事件的时间线。
  • 因果关系推断从中文文本中抽取原文明确写出的因果关系,归并成因素并连成因果图,标明类型、支撑次数与重要性。
  • 抽取式摘要(TextRank / LexRank 双引擎)从原文中挑出最有代表性的句子拼成摘要,只摘录不改写,并保留原文行号。
  • 写作风格判定抽取四十来项文体统计特征,据此给出八个维度的风格打分、文体归属候选、风格标签与改进建议。
  • 文体风格指纹把句长、句型、词性、标点和人称等写作习惯量化成指标,并比较多篇材料的风格接近程度。
  • 文本可读性分析估算中英文材料的阅读门槛,给出可读性综合分、近似阅读年级和难易句样本。