OpenSPG: オープンソース知識グラフエンジン

はじめに

OpenSPGは、SPG (Semantic Augmented Programmable Graph)フレームワークに基づいて、Ant GroupがOpenKGと共同で開発したオープンソースの知識グラフエンジンです。このエンジンは、明示的な意味表現、論理ルール定義、運用フレームワークなどの機能を提供することで、ドメイン知識グラフの構築と管理をサポートするように設計されています。OpenSPGは、LPG構造の単純さとRDFセマンティクスの複雑さを兼ね備えており、金融などの幅広いビジネスシナリオに適しています。

機能一覧

• 知識モデリング：ドメインモデル制約の知識モデリングのサポート
• 意味論的表現： 明示的な意味論的表現と論理ルール定義の提供
• オペレーショナル・フレームワーク：構築、推論、その他のオペレーショナル・フレームワークのサポート
• プラグイン適応：基礎となるエンジンとアルゴリズムサービスのプラグイン適応をサポートします。
• データの可視化：データ探索と分析のための直感的なインターフェイスの提供

ヘルプの使用

設置プロセス

サーバー設置

サーバー側はDocker Composeに基づいてデプロイされ、4つのメインイメージが含まれている：

• openspg-サーバースキーマ・サービスの提供
• opspg-mysqlスキーマデータの保存
• タググラフ地図データの保存
• エラスティックサーチインデックス付きマッピングデータ

1. ダウンロード docker-compose.yml ファイルを開き、カレントディレクトリで以下のコマンドを実行し、コマンド実行の完了を待ってサーバーの起動を完了する：

   docker-compose -f docker-compose.yml up -d
   

2. (落とす openspg-サーバー ローカル起動後、http://127.0.0.1:8887 ポートを開いてフロントエンドの視覚化ページを見ることができます。もし openspg-サーバー リモートで展開する場合は、対応するIPアドレスを適宜変更する必要がある。

クライアント・インストール

このクライアントはDockerイメージも提供しており、以下のコマンドを直接実行すると、そのイメージを引き出すことができる：

docker pull --platform linux/x86_64 spg-registry.cn-hangzhou.cr.aliyuncs.com/spg/openspg-python:latest

イメージをダウンロードしたら、OpenSPGのソースコードをクローンすることができます：

ギット クローン --depth=1 https://github.com/OpenSPG/openspg.git

ソースのクローンが完成したら、ソースに付属するケースを体験することができる：

# コンテナを起動し、その中の${project_dir}をソース・ディレクトリに置き換える。
docker run --rm --net=host -v ${project_dir}。コード
  -it spg-registry.cn-hangzhou.cr.aliyuncs.com/spg/openspg-python:latest
  "/bin/bash"

# コンテナ起動後、openspg プロジェクトのソース・ディレクトリである /code ディレクトリに移動します。
cd /コード

#フォローアップは、ケースチュートリアルをインストールすることができます。
cd python/knext/knext/examples/riskmining

# ケースチュートリアルを参照し、次のような適切な knext コマンドを実行する。
knext project create --prj_path .
knext スキーマコミット

knext builder 実行 ...
knext reasoner 実行 ...

また、IDEをベースにローカルでマッピングプロジェクトを作成する場合は、以下のコマンドでknextをインストールできます：

pip install openspg-knext

詳しい操作手順

サーバー側起動

1. OpenSPGのソースコードをクローンし、IDEで開く：

   ギット クローン git@github.com:OpenSPG/openspg.git
   

   以下のコマンドはすべて、openspg コード・ベースのルート・ディレクトリーで実行されるものとします。

2. mvn compileコマンドを実行する：

   mvn clean install -Dmaven.test.skip=真の -Dspotless.check.skip -Dspotless.apply.skip
   

3. MySQL、ElasticSearch、TuGraphなどのコンテナをローカルで起動する：

   sh dev/test/docker-compose.sh
   

4. スタートアップ・サーバーのエントリーがある：

   com.antgroup.openspg.server.arks.sofaboot.Application
   

クライアント・スタートアップ

1. バージョン3.8以上のPython仮想環境を用意する。
2. mvnでコンパイルしたreasonerとbuilderパッケージをknextディレクトリにコピーする：

   cp dev/release/python/lib/builder* python/knext/knext/builder/lib
   cp dev/release/python/lib/reasoner* python/knext/knext/reasoner/lib
   

3. nn4kをローカルにインストールする：

   cd python/nn4k
   python setup.py develop
   

4. ネクストの現地設置：

   cd python/knext
   python setup.py develop
   

5. 完了したら、そのPython仮想環境でknextコマンドを実行できる。

コア・コンピテンシー・モデル

OpenSPGのコア・コンピテンシー・モデルには以下が含まれる：

• SPG-スキーマ意味モデリング主語モデル、進化モデル、述語モデルなど、属性グラフのセマンティック強化のためのスキーマフレームワークの設計を担当。
• SPG-Builder ナレッジ・ビルディング構造化および非構造化知識のインポートをサポートし、ビッグデータアーキテクチャと互換性があり、データから知識への変換を可能にする知識構築オペレータフレームワークを提供します。知識処理SDKフレームワークを抽象化し、エンティティ・チェイニング・フィンガー、コンセプト・ラベリング、エンティティ正規化オペレータの機能を提供し、自然言語処理（NLP）とディープラーニング・アルゴリズムを組み合わせ、単一タイプ内の異なるインスタンスの一意性レベルを向上させ、ドメイン・マッピングの継続的かつ反復的な進化をサポートする。
• SPG-Reasoner 論理ルール推論抽象化されたKGDSL (Knowledge Graph Domain Specific Language)により、論理ルールのプログラマブルな記号表現を提供。機械的に理解可能な記号表現により、下流のルール推論、ニューラル/シンボリック融合学習、KG2PromptとリンクしたLLM知識抽出/知識推論などをサポート。述語セマンティクスと論理ルールによる依存関係と知識の伝達を定義し、複雑なビジネスシナリオのモデリングと分析をサポートします。
• プログラマブル・フレームワーク KNextKNextは、グラフプログラマブルフレームワークとして、スケーラブルで、プロセス指向の、ユーザーフレンドリーなコンポーネント化された機能を提供します。スタックに基づき、LLMやGraphLearningなどのディープラーニング機能をリンクさせた知識駆動型かつ制御可能なAIテクノロジーを構築する。
• クラウド適応層 Cloudextビジネス・システムは、SDKを介してオープン・エンジンをドッキングし、独自の特徴的なビジネス・フロントエンドを構築することができる。拡張／適応可能なカスタマイズされたグラフ・ストレージ／グラフ計算エンジン、独自のビジネス特性に適した拡張／適応可能な機械学習フレームワーク。

AIを始めるための素人ガイド

AIツールの活用方法を、低コスト・ゼロベースから学ぶことができます。AIはオフィスソフトと同様、誰にとっても必須のスキルです。 AIをマスターすれば、就職活動で有利になり、今後の仕事や勉強の労力も半減します。

詳細を見る