lihanghang/NLP-Knowledge-Graph : une carte de lecture plus qu'une bibliothèque

Un index de ressources, pas un framework

Le README s'ouvre sur une table des matières qui liste des ressources externes, une section intitulée « 知识图谱的前世今生 », puis une longue série de listes : articles sur les graphes de connaissances et le QA, papiers sur les transformers, travail sur la structuration de documents financiers chinois, conférences du domaine, systèmes de dialogue, plateformes sémantiques, outils de prétraitement, bases de graphes, outils de visualisation, jeux de données. La majeure partie de ces entrées pointe vers des liens externes : des cartes mentales hébergées sur naotu.baidu.com, des articles de blogue, des PDF de présentations, des dépôts tiers. Le dépôt se décrit lui-même comme un travail de « 研究与应用 » (recherche et application), mais le README ne documente aucune interface, aucune fonction, aucun point d'entrée. Un lecteur qui cherche une bibliothèque à importer dans son propre code ne trouvera pas ici de quoi démarrer, et c'est la première chose à comprendre avant d'ouvrir un terminal.

Ce que la licence MIT autorise, et ce qu'elle ne règle pas

Le dépôt est publié sous licence MIT, ce qui autorise la réutilisation, la modification et la redistribution du contenu couvert, y compris à des fins commerciales, à condition de conserver l'avis de copyright et la clause de licence. Cette licence porte sur le dépôt lui-même. Elle ne couvre pas les ressources externes vers lesquelles le README renvoie : les cartes mentales hébergées sur naotu.baidu.com, les articles de presse, les PDF de présentations d'entreprises comme Xiaomi ou iFlytek, et les dépôts tiers cités dans les tableaux ont leurs propres conditions, souvent non précisées. Si vous réutilisez des éléments du dépôt dans un produit, la licence MIT ne vous dispense pas de vérifier les droits sur ces contenus liés. Ce n'est pas un avis juridique, seulement une lecture de ce que le fichier de licence du dépôt permet et de ce qu'il laisse de côté.

Une organisation annoncée mais désactivée dans le README

Le README contient un bloc de commentaires HTML intitulé « 项目目录说明 » qui décrit une arborescence : Algorithm-code pour les algorithmes liés aux graphes de connaissances, datasets pour les jeux de données, my summary pour des présentations PPT, NLP&KG基础 pour les bases du TAL et des graphes, SmartInteraction pour les systèmes de dialogue, 事理图谱 pour les graphes d'événements, 文本相似度 pour l'appariement question-réponse, 知识存储 pour le stockage, 知识构建 pour l'extraction d'entités et de relations, 中文金融文档抽取 pour l'extraction de documents financiers chinois. Ce bloc est mis en commentaire, donc invisible au rendu de la page. Rien dans le README fourni ne confirme que ces dossiers existent réellement dans l'arborescence du dépôt, ni ce qu'ils contiennent. C'est une distinction importante : une description d'architecture en commentaire n'est pas une preuve de structure. Si cette organisation vous intéresse, il faut inspecter le dépôt directement plutôt que se fier au README.

Aucune commande d'installation dans la documentation fournie

Le README ne donne ni commande pip install, ni fichier requirements.txt, ni clé de configuration, ni exemple d'exécution. Il n'y a pas de section « démarrage rapide » et pas de bloc de code. Le seul élément qui ressemble à une consigne d'usage est la phrase d'ouverture : « 有需要为该开源项目贡献的小伙伴可以联系我哟。 » (les personnes souhaitant contribuer à ce projet open source peuvent me contacter), suivie d'une section Contact en fin de document. Autrement dit, la documentation disponible décrit un contenu à lire, pas un logiciel à installer. Si vous cherchez des commandes concrètes pour faire tourner un pipeline d'extraction ou un système de questions-réponses, ce dépôt ne les fournit pas dans le matériel consulté. C'est une limite de la documentation, pas nécessairement du code, mais elle suffit à changer la façon d'aborder le dépôt.

La valeur réelle : une bibliographie orientée chinois

Ce qui distingue ce dépôt d'une simple liste de liens, c'est la sélection. Les ressources sont majoritairement en chinois et portent sur des sujets précis : le graphe d'événements (事理图谱), la structuration de documents financiers chinois avec Doc2EDAG, les modèles ERNIE de Baidu dans leurs deux variantes, la plateforme sémantique de l'université de technologie de Harbin (哈工大语言云), les présentations CCKS de 2013 à 2018 données par des entreprises chinoises. Pour un lecteur qui travaille sur du TAL en chinois et cherche un point d'entrée vers cette littérature, cette sélection a une valeur de curation que ne remplace pas une recherche générale. Le revers est qu'il s'agit d'un index, pas d'un cours : aucun fil conducteur, aucune progression, aucune synthèse originale dans le README lui-même. La valeur dépend entièrement de ce que vous faites des liens.

DeepPavlov comme alternative, et la différence d'approche

Le README cite lui-même DeepPavlov dans sa liste de systèmes de questions-réponses et de dialogue open source, décrit comme « An open source library for deep learning end-to-end dialog systems and chatbots. python ». La différence avec lihanghang/NLP-Knowledge-Graph n'est pas une question de qualité mais de nature. DeepPavlov est une bibliothèque installable, avec des modules de traitement du langage et de dialogue que l'on importe et configure dans son propre code. Le dépôt de lihanghang est un recueil de références et de comptes rendus, sans interface programmable documentée. Si votre besoin est de construire un système de dialogue fonctionnel, DeepPavlov correspond à cette catégorie d'outil ; si votre besoin est de comprendre le domaine avant de choisir une approche, le recueil de lihanghang a du sens. Le README mentionne aussi QABasedOnMedicaKnowledgeGraph (liuhuanyong/QASystemOnMedicalKG), décrit comme la construction d'un graphe de connaissances médicales centré sur les maladies avec un service de questions-réponses automatique, en Python. Là encore, il s'agit d'un projet exécutable, pas d'un index.

Maintenance : ce que les métadonnées indiquent

Le dépôt n'est pas archivé et le dernier push date du 3 septembre 2026, ce qui indique une activité récente au moment de la rédaction. Aucune release n'a été récupérée. Le README conserve une date de création : « create time 2019-08-24 », et la ligne d'introduction annonce une orientation : « 趋势：1. 数据融合知识；2. All in LLM. » Cette mention des grands modèles de langage suggère une mise à jour du discours au fil du temps, mais le matériel fourni ne permet pas de savoir quelles sections ont été ajoutées ou modifiées récemment. Pour un dépôt de type recueil, le coût de maintenance se mesure surtout au lien mort : les ressources externes vieillissent, les cartes mentales hébergées chez des tiers peuvent disparaître, et rien dans le dépôt ne signale un mécanisme de vérification automatique des liens. C'est un coût réel pour quiconque s'appuie dessus comme référence durable.

Conclusion éditoriale

Ce dépôt convient à qui cherche un point d'entrée bibliographique sur le TAL, les graphes de connaissances et les systèmes de dialogue, pas à qui veut installer et exécuter un pipeline. Avant de vous engager, vérifiez par vous-même si les dossiers cités dans le README (Algorithm-code, datasets, SmartInteraction) existent réellement dans l'arborescence du dépôt et contiennent du code exécutable, car le README ne fournit aucune commande d'installation ni exemple d'exécution.

Sources officielles

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