kglab

欢迎来到图数据科学： https://derwen.ai/docs/kgl/

kglab库为Python 3.7+提供了一个简单的抽象层，用于构建知识图谱，利用了Pandas、NetworkX、RAPIDS、RDFLib、Morph-KGC、pythonPSL等多种工具。

特别请求：
您希望在用于构建知识图谱的开源Python库中看到哪些功能？
请通过此调查添加您的建议：
https://forms.gle/FMHgtmxHYWocprMn6
这将帮助我们确定kglab的发展路线优先顺序。

评价

@kaaloo：

"感觉就像是图的Hugging Face！🤯"

入门

请查看在线文档的"入门"部分。

将kglab作为库用于您的Python项目

我们建议从PyPi或conda安装：

pip

python3 -m pip install kglab

pipenv

pipenv install kglab

conda

conda env create -n kglab
conda activate kglab
pip install kglab

或者，从源代码安装：

如果您直接使用此Git仓库，请确保安装依赖项：

pip

python3 -m pip install -U pip wheel
python3 -m pip install -r requirements.txt

pipenv

pipenv install --dev

或者，使用conda安装依赖项：

conda env create -f environment.yml --force
conda activate kglab

示例代码

然后运行此库的一些简单用法：

import kglab

# 创建KnowledgeGraph对象
kg = kglab.KnowledgeGraph()

# 从URL加载RDF
kg.load_rdf("http://bigasterisk.com/foaf.rdf", format="xml")

# 测量图
measure = kglab.Measure()
measure.measure_graph(kg)

print("边数：{}\n".format(measure.get_edge_count()))
print("节点数：{}\n".format(measure.get_node_count()))

# 序列化为"Turtle" TTL格式的字符串
ttl = kg.save_rdf_text()
print(ttl)

查看examples子目录中的教程笔记本，了解将kglab与Python中其他图库集成的示例代码和模式： https://derwen.ai/docs/kgl/tutorial/

在现有环境中安装时的警告：
在现有环境中安装新包可能会显示或创建版本冲突。
在安装之前，请查看requirements.txt中的kglab要求。
例如，NumPy（>= 1.19.4）和TensorFlow 2+（~-1.19.2）之间存在已知的版本冲突。

<details> <summary>使用Docker</summary>

要简单地运行教程，请参考使用_docker compose_： https://derwen.ai/docs/kgl/tutorial/#use-docker-compose

另外，每个发布版本的容器镜像都可在DockerHub上获取： https://hub.docker.com/repository/docker/derwenai/kglab

要构建容器镜像并运行教程：

docker build --pull --rm -f "docker/Dockerfile" -t kglab:latest .
docker run -p 8888:8888 -it kglab

要构建和运行用于测试的容器镜像：

docker build --pull --rm -f "docker/testsuite.Dockerfile" -t kglabtest:latest .
docker run --rm -it kglabtest

构建说明

<strong> 注意：除非你正在贡献代码和更新， 否则在大多数使用情况下不需要在本地构建此包。 </strong>

相反，只需从 PyPi 安装 或使用 Conda。

要在本地设置构建环境，请参阅在线文档中的 "构建说明"部分。

语义版本控制

在 <strong>kglab</strong> 达到 <code>v1.0.0</code> 版本之前，其 类型和类可能会发生重大变化，项目不保证 有一个一致的 API。

即便如此，我们也会尽量减少破坏性变更。 我们还会确保提供详细的说明。

请参阅： changelog.txt

贡献代码

我们欢迎人们作为贡献者参与这个开源项目！

有关详细说明，请参阅： CONTRIBUTING.md

许可证和版权

kglab 的源代码及其标志、文档和示例 采用 MIT 许可证，该许可证 简洁明了，简化了在商业应用中的使用。

此处所有材料的版权 © 2020-2023 归 Derwen, Inc. 所有。

引用

如果您在研究或软件中使用 kglab，请使用以下 BibTeX 条目进行引用。 引用对于该库的持续开发和维护很有帮助。

@software{kglab,
  author = {Paco Nathan},
  title = {{kglab: a simple abstraction layer in Python for building knowledge graphs}},
  year = 2020,
  publisher = {Derwen},
  doi = {10.5281/zenodo.6360664},
  url = {https://github.com/DerwenAI/kglab}
}

致谢

非常感谢我们的开源赞助商； 以及我们的贡献者： @ceteri， @dvsrepo， @Ankush-Chander， @louisguitton， @tomaarsen， @Mec-iS， @jake-aft， @Tpt， @ArenasGuerreroJulian， @fils， @cutterkom， @RishiKumarRay， @gauravjaglan， @pebbie， @CatChenal， @jorisSchaller， @dmoore247， 以及来自 Derwen, Inc. 的一般支持； Knowledge Graph Conference 和 Connected Data World； 以及由他们的社区代表的更广泛的用例； Kubuntu Focus， RAPIDS 团队 @ NVIDIA， Gradient Flow， 以及 Manning Publications。

Star 历史