ToG

论文《Think-on-Graph: 大型语言模型在知识图谱上的深度和负责任推理》的代码。

ToG的原始仓库在这里。

新闻！

我们的论文被ICLR 2024接收了🥳🥳🥳。

以下是ToG的示意图：

ToG的流程：

项目结构

requirements.txt：Pip环境文件。
data/：评估数据集。详见data/README.md。
CoT/：CoT方法。详见CoT/README.md。
eval/：评估脚本。详见eval/README.md。
Freebase/：Freebase环境设置。详见Freebase/README.md。
Wikidata/：Wikidata环境设置。详见Wikidata/README.md。
tools/：ToG中使用的通用工具。详见tools/README.md。
ToG/：源代码。
- client.py：预定义的Wikidata API，从Wikidata/复制。
- server_urls.txt：Wikidata服务器URL，从Wikidata/复制。
- main_freebase.py：ToG的主文件，使用Freebase作为KG源。详见README.md。
- main_wiki.py：与上面相同，但使用Wikidata作为KG源。详见README.md。
- prompt_list.py：ToG用于剪枝、推理和生成的提示。
- freebase_func.py：main_freebase.py中使用的所有函数。
- wiki_func.py：main_wiki.py中使用的所有函数。
- utils.py：ToG中使用的所有函数。

入门

在运行ToG之前，请确保您已成功在本地机器上安装了Freebase或Wikidata。完整的安装说明和必要的配置详情可以在相应文件夹中的README.md文件中找到。

运行ToG所需的库可在requirements.txt中找到。

使用Wikidata服务时，请将Wikidata目录中的client.py和server_urls.txt文件复制到ToG文件夹中。

如何运行

参见ToG/目录下的README.md

如何评估

获得结果文件（如ToG_cwq.jsonl）后，应使用tools目录中的jsonl2json.py脚本将ToG_cwq.jsonl转换为ToG_cwq.json。然后，使用eval文件夹中的脚本进行评估（参见eval文件夹中的README.md）。

如何引用

如果您对这项工作感兴趣或受到启发，可以通过以下方式引用我们：

@misc{sun2023thinkongraph,
      title={Think-on-Graph: Deep and Responsible Reasoning of Large Language Model with Knowledge Graph}, 
      author={Jiashuo Sun and Chengjin Xu and Lumingyuan Tang and Saizhuo Wang and Chen Lin and Yeyun Gong and Heung-Yeung Shum and Jian Guo},
      year={2023},
      eprint={2307.07697},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}