lihanghang/NLP-Knowledge-Graph: eine kuratierte Materialsammlung statt einer Bibliothek

Was das Repository liefert und was nicht

Der Name legt eine Codebasis nahe. Die README beschreibt dagegen eine Sammlung: Verweise auf externe Ressourcen, Mindmaps, Konferenztabellen, Links zu Papers und eine Liste kommerzieller Semantikplattformen. Es gibt keine Installationsanweisung, keinen Einstiegspunkt, keinen Aufruf eines Skripts. Die einzige Sprache im Repository ist Python, was bei einer Linkliste wenig aussagt. Die Beschreibung nennt die Themenfelder: 自然语言处理、知识图谱、对话系统，大模型等技术研究与应用. Adressat sind damit Leser, die sich in diese Felder einarbeiten wollen, nicht Teams, die eine Komponente in eine bestehende Anwendung einhängen. Wer das Repository klont, erhält Markdown, PDFs und einen Ordner 基于知识图谱的对话系统, der laut Inhaltsverzeichnis einen Abschnitt 专题研究 trägt. Ob dort Code liegt, lässt sich aus der README nicht belegen.

Aufbau der README als Verzeichnisbaum

Die README ist im Wesentlichen ein Inhaltsverzeichnis mit Sprungmarken. Die oberste Ebene enthält 资源外链, 知识图谱的前世今生, 研究总结列表, 比赛, 思考, Star History, 说明 und Contact. Unter 研究总结列表 liegen elf Unterabschnitte, darunter 专题研究, KG&QA相关理论解析, NLP 相关论文解析, 中文金融文档结构化研究, 知识图谱相关会议, 事理图谱, 对话系统技术 und mehrere Listen zu Werkzeugen und Datensätzen. Diese Struktur ist der eigentliche Inhalt. Sie ist flach, ohne Bewertung der Einträge und ohne Angabe, welcher Verweis aktuell noch trägt. Ein Abschnitt 说明 ist im Inhaltsverzeichnis aufgeführt, sein Text war im vorliegenden Material nicht enthalten. Wer mit der Sammlung arbeitet, muss also selbst entscheiden, welcher Link von 2019 noch sinnvoll ist und welcher ins Leere führt.

Die verlinkten Baidu-Naotu-Dateien als Hauptproblem

Ein großer Teil der inhaltlichen Verweise zeigt auf naotu.baidu.com. Dort liegen Mindmaps zu Knowledge-Graph-Übersichten, zu KBQA, zu BERT, zu ERNIE und zu Doc2EDAG, jeweils mit einem token-Parameter in der URL, zum Beispiel token=01df87c5af357993. Solche Links sind anfällig: Sie können ablaufen, einen Login verlangen oder ohne den Token unbrauchbar werden. Die README gibt keine Alternative, keine Exportdatei, keine lokale Kopie. Für eine deutschsprachige Leserschaft kommt hinzu, dass die Inhalte dieser Mindmaps chinesisch sind. Das ist kein Fehler des Repositories, aber es begrenzt die Zielgruppe erheblich. Wer kein Chinesisch liest, kann aus dem Repository fast nichts ziehen, außer den englischsprachigen Verweisen wie dem Illustrated Transformer, paperswithcode oder NLP-Progress.

Themenzuschnitt: von BERT bis zum 事理图谱

Die Abschnitte zeigen eine klare Schwerpunktsetzung auf chinesische Sprachverarbeitung. 中文金融文档结构化研究 verweist auf Doc2EDAG, ein Verfahren zur Ereignisextraktion aus chinesischen Finanzdokumenten. Der Abschnitt 事理图谱 behandelt Ereignisgraphen, also Graphen über Ereignisse und ihre zeitlichen oder kausalen Beziehungen, nicht über Entitäten. Das ist eine andere Modellierung als ein klassischer Knowledge Graph und wird in der README getrennt geführt, was für die Struktur spricht. Unter NLP 相关论文解析 stehen Transformer, Attention-Modelle, BERT, zwei ERNIE-Arbeiten und T5. Die Auswahl endet damit etwa auf dem Stand von 2019, dem in der README genannten Erstellungsdatum. Neuere Arbeiten zu großen Sprachmodellen fehlen, obwohl die Repository-Beschreibung 大模型 nennt und die Topics llm, agentic-ai und reflection enthalten.

Was an ausführbarer Software tatsächlich vorhanden ist

Das Repository enthält laut README einen Ordner 基于知识图谱的对话系统, erreichbar über den Eintrag 专题研究. In einem auskommentierten Block der README werden weitere Verzeichnisse genannt: Algorithm-code, datasets, my summary, NLP&KG基础, SmartInteraction, 认知科学, 事理图谱, 文本相似度, 知识存储, 知识构建 und 中文金融文档抽取. Dieser Block ist auskommentiert, also nicht Teil der gerenderten README. Ob die Verzeichnisse im aktuellen Stand existieren, lässt sich daraus nicht ableiten. Es gibt keine requirements.txt, keine setup.py, keinen Hinweis auf eine Umgebung, keine Modellgewichte und keine Beispieldaten. Wer den Code ausprobieren will, muss zuerst im Repository selbst nachsehen, ob überhaupt welcher vorhanden ist. Diese Prüfung kann die README nicht ersetzen.

Betrieb, Wartung und Lizenz

Da keine Software ausgeliefert wird, entstehen auch keine Betriebskosten. Es gibt keinen Dienst, der laufen müsste, keine Abhängigkeiten, die altern. Die Wartungslast liegt beim Repository selbst und beschränkt sich auf das Pflegen von Links. Der letzte Push ist mit 2026-09-03 angegeben, es gibt jedoch keine Releases. Ein changelog oder eine Versionsnummer fehlt, sodass sich Änderungen nicht nachvollziehen lassen. Die Lizenz ist MIT. Für eine Sammlung von Verweisen bedeutet das: Der Text und die Struktur dürfen weiterverwendet werden, die verlinkten Inhalte stehen jedoch unter eigenen Bedingungen. Die PDFs unter 知识图谱基础/CCKS_2013-2018/ stammen von Konferenzvorträgen verschiedener Firmen, darunter xiaomi und 科大讯飞. Deren Weitergabe ist durch die MIT-Lizenz des Repositories nicht abgedeckt. Wer Material daraus übernimmt, muss die Rechte separat klären. Rechtsberatung ist das nicht, nur ein Hinweis auf die Lücke zwischen Repository-Lizenz und verlinkten Werken.

Alternative: DeepPavlov als ausführbarer Gegenentwurf

Die README listet unter 主流开源的问答&&对话系统 DeepPavlov als An open source library for deep learning end-to-end dialog systems and chatbots. Der Unterschied ist grundsätzlich, nicht graduell. DeepPavlov ist eine Bibliothek mit Installationsweg, Modellen und einer API. NLP-Knowledge-Graph ist ein Verzeichnis von Verweisen auf Erklärstücke, Konferenzfolien und fremde Projekte. Wer eine Frage-Antwort-Komponente in eine Anwendung einbauen will, braucht das Erste. Wer verstehen will, welche Verfahren es gibt und welche Konferenzen relevant sind, kann mit dem Zweiten anfangen. Beide Zwecke schließen sich nicht aus, aber sie verlangen unterschiedliche Erwartungen an das Repository. Die README selbst positioniert das Projekt als 研究总结, also als Zusammenfassung von Forschung, nicht als Werkzeug.

Einordnung: für wen sich der Klon lohnt

Der Nutzen hängt fast vollständig an der Sprachkompetenz und am Suchziel. Für chinesischlesende Einsteiger ist die Liste ein brauchbarer Startpunkt, weil sie Konferenzränge, Werkzeugnamen und Plattformen an einer Stelle bündelt. Für alle anderen bleiben der Illustrated Transformer, paperswithcode und NLP-Progress, und die stehen ohnehin in jedem zweiten Repository. Die Topics agent, agentic-ai, llm und reflection wecken Erwartungen, die der sichtbare Inhalt nicht einlöst. Ein Repository, das 2019 angelegt wurde und dessen Verweise überwiegend auf chinesische Mindmap-Dienste zeigen, ist als Nachschlagewerk nur so lange nützlich, wie diese Dienste die Token akzeptieren. Der Beitrag zur eigenen Arbeit liegt daher nicht im Code, sondern in der Frage, welche der verlinkten Arbeiten man tatsächlich liest. Wer das Repository klont und nur den Ordner 基于知识图谱的对话系统 öffnet, sollte zuerst prüfen, ob dort mehr als eine README liegt.

Redaktionelles Fazit

Wer chinesischsprachige Übersichtsfolien, Linktabellen und Konferenzlisten zu Knowledge Graph und KBQA sucht, findet hier eine gepflegte Einstiegsquelle. Wer eine lauffähige Komponente, ein Installationsrezept oder reproduzierbare Ergebnisse braucht, sollte nicht adoptieren, sondern zu DeepPavlov greifen. Vor jeder Nutzung ist zu prüfen, ob die verlinkten Baidu-Naotu-Dateien noch ohne Login erreichbar sind und ob die genannten Pfade wie ./基于知识图谱的对话系统 im Repository tatsächlich existieren.

Offizielle Quellen

1. Issues
2. License: MIT
3. lihanghang/NLP-Knowledge-Graph on GitHub
4. README