ontocast

用本体约束智能体,把文本自动抽成规范RDF三元组

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 242
维护状态 较活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类搜索知识
开发团队growgraph
所属国家
定价模式free
价格说明开源框架,免费使用
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agentic-framework,knowledge-graph,ontology,rdf,semantic
GitHub 星标★ 242
30天Star增速
HF 下载量
上线时间2025-03-31 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-13
浏览次数0

项目介绍

ontocast 是一个面向知识图谱构建的 Python 框架,核心思路是用本体(Ontology)指导智能体(Agent)从非结构化文本中抽取语义三元组(主语-谓语-宾语),最终输出 RDF 格式数据。传统三元组抽取方法依赖固定规则或单一模型,容易漏抽、错抽,且难以保证与领域本体的一致性;ontocast 把本体作为约束和提示,让多个智能体分工完成识别实体、匹配本体概念与关系、校验三元组合理性等步骤,从而提升抽取的准确率和结构规范性。项目提供可配置的抽取流程,支持接入不同大模型,适合需要把文档、报告等文本批量转成知识图谱的场景。它解决的是从自然语言到结构化知识这一环节中“抽得准、对得上本体”的问题,让知识图谱构建更自动化、更贴近领域语义。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

  • 以本体作为抽取约束,三元组更符合领域语义,减少随意关系
  • 多智能体分工流程可配置,支持接入不同大模型,扩展性较好
  • 直接输出 RDF 语义三元组,便于对接图数据库和知识图谱下游应用

不足之处

  • 项目处于早期,星标仅242,生态和周边工具尚不成熟
  • 抽取效果依赖所接大模型与本体质量,缺少大规模基准评测说明

适用场景

  • 把企业文档、行业报告批量转成领域知识图谱
  • 为问答或检索系统构建结构化语义底座
  • 科研文献中抽取实体关系并输出 RDF 数据

替代项目

DeepKE、OpenSPG、LangChain

上一篇:colette

下一篇:DigUp

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

Supercharge your AI agents with data from the web and beyond. Building the library f···

★ 190780 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 125818 2026-08-09
WeKnora 开源

文档往里一扔,自动变成啥都能答的知识库

Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an auto···

★ 33493 2026-08-09