摘要

本网页内容主要介绍了Wolfram Language/Mathematica近期在几何重建、计算几何和图论(特别是树结构)方面的更新。在几何方面，13.1版本引入了ReconstructionMesh函数，可从点云重建几何体，以及EstimatedPointNormals函数用于重建法向量。13.3版本扩展了RegionDistance功能，新增了RegionFarthestDistance、RegionHausdorffDistance、InscribedBall和CircumscribedBall等函数，并开始支持球面几何。此外，13.3版本还引入了AR/VR发布功能，通过ARPublish函数可将3D几何体发布为AR/VR内容。在图论方面，自12.3版本引入树结构以来，不断增强其功能，包括改进树的渲染、添加命名分支支持、引入UnlabeledTree、增加与其他数据结构(如Dataset、JSON、XML)的转换功能，以及在13.2版本中添加了大型树的显示优化和文件系统树创建功能。

与知识图谱或图特性相关的信息

网页内容中与知识图谱或图特性相关的更新主要集中在树结构(Tree)的增强功能上，这是图论的一个重要分支：

1. 树结构的演进：Wolfram Language在12.3版本首次引入树作为基本对象，并在后续版本中不断增强其功能。

2. 树的渲染改进：自13版本以来，树的渲染得到显著改进，包括图形设计优化和更多渲染选项。例如，可以指定每个节点只显示特定数量的子节点，其余节点被省略。

3. 命名分支支持：13.1版本添加了对命名分支的支持，允许通过关联(association)为树的分支命名，而不仅仅是使用整数标签。

4. 无标签树：引入了UnlabeledTree函数，用于创建"纯树"，这在只关心树结构而不关心节点内容的应用中很有用。

5. 树与其他数据结构的转换：添加了将树转换为各种结构的功能，如使用ExpressionTree将Dataset转换为树，以及使用TreeExpression将树转换回Dataset。还支持与JSON和XML的转换。

6. 文件系统树表示：13.2版本添加了从文件系统创建树的功能。

7. 树的样式控制：提供了详细的节点和边的样式控制选项，如TreeElementStyle和TreeElementStyleFunction。

8. 大型树的显示优化：13.2版本添加了省略大型子树的功能，默认情况下任何有超过10个子节点的节点都会被省略，并引入了全局变量$MaxDisplayedChildren来确定默认限制。

9. 树操作函数：新增了TreeLeafCount函数用于计算树的叶节点总数，以及RootTree函数用于获取靠近根节点的子树。

这些更新显示了Wolfram Language在图论特别是树结构方面的持续发展，为处理层次化数据和结构提供了更强大的工具。

相关网页链接

1. RegionFarthestDistance - 计算两个给定区域中任意两点之间的最远距离
2. RegionHausdorffDistance - 计算两个区域之间所有最短距离中的最大值
3. InscribedBall - 给出刚好适合区域内部的n维球体
4. CircumscribedBall - 给出刚好包围区域的n维球体
5. ARPublish - 将3D几何体发布为AR/VR内容
6. Version 12.3 - 首次引入树作为基本对象的版本
7. Version 13 - 改进树渲染的版本
8. Version 13.1 - 添加命名分支支持的版本

相关图片

1. 几何重建示例图

   • Title: 点云几何重建示例
   • Content: 展示了从点云重建几何体的结果
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010524geometryimg4.png

2. 几何重建示例图2

   • Title: 点云几何重建示例2
   • Content: 展示了另一个从点云重建几何体的结果
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010524geometryimg5.png

3. 曲线和表面重建示例

   • Title: 曲线和表面重建
   • Content: 展示了ReconstructionMesh函数重建低维几何体的能力
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010524geometryimg6.png

4. 法向量重建示例

   • Title: 法向量重建
   • Content: 展示了EstimatedPointNormals函数重建几何体法向量的结果
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010524geometryimg7.png

5. 树渲染示例

   • Title: 随机树渲染
   • Content: 展示了一个随机树，其中每个节点只显示3个子节点
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010724treeimg1.png

6. 树样式选项示例

   • Title: 树渲染样式选项
   • Content: 展示了使用多种选项定义树渲染的效果
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010724treeimg2.png

7. 命名分支树示例

   • Title: 命名分支树
   • Content: 展示了使用关联定义命名分支的树
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010724treeimg3.png

8. 无标签树示例

   • Title: 无标签树
   • Content: 展示了使用UnlabeledTree创建的"纯树"
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2024/01/sw010724treeimg4.png

9. 文件系统树示例

   • Title: 文件系统树
   • Content: 展示了从Wolfram Desktop安装目录创建的文件系统树
   • Source: Wolfram
   • Link: https://content.wolfram.com/sites/43/2023/04/swtreesimg1B.png

10. 大型树省略显示示例

    • Title: 大型树省略显示
    • Content: 展示了同一棵树在显示所有分支和限制每个节点最多显示3个子节点的对比
    • Source: Wolfram
    • Link: https://content.wolfram.com/sites/43/2023/03/sw040123img71.png

摘要

该网页展示了Wolfram Language/Mathematica中与知识表示和知识图谱相关的函数和工具的全面列表。内容主要分为两大类：函数和相关指南。函数部分包含了大量与实体(Entity)、实体类(EntityClass)、数据处理和知识检索相关的功能，如Entity、EntityClass、EntityProperty等核心知识表示函数，以及WikidataData、WikipediaData等外部知识源访问工具。近期更新包括LLM相关功能(LLMConfiguration、LLMFunction等)，表明Wolfram正在整合大型语言模型与其知识表示系统。相关指南部分提供了更高层次的框架介绍，包括Wolfram数据框架(WDF)、自由格式输入、Wolfram|Alpha集成等。这些功能共同构成了Mathematica强大的知识表示和知识图谱处理能力，支持从基本实体操作到复杂语义查询的广泛应用场景。

与问题相关的信息提取

网页内容展示了Wolfram Language/Mathematica中与知识表示和知识图谱相关的丰富功能集。从内容可以提取以下关键信息：

1. 核心知识表示功能：

   • Entity系列函数是Wolfram知识表示的基础，包括Entity、EntityClass、EntityProperty、EntityValue等，这些构成了处理结构化知识的主要工具
   • 支持多种实体类操作，如AggregatedEntityClass、CombinedEntityClass、FilteredEntityClass等，用于复杂的实体集合操作
   • EntityRegister和EntityUnregister功能支持自定义知识库的创建和管理

2. 知识图谱与语义网技术：

   • RDFStore函数表明支持RDF(资源描述框架)存储，这是语义网的核心技术
   • SPARQLExecute功能允许执行SPARQL查询，这是查询RDF知识图谱的标准语言
   • 支持与外部知识图谱的连接，如WikidataData和WikidataSearch函数

3. 最新LLM集成功能：

   • 新增的LLMConfiguration、LLMFunction、LLMResourceFunction、LLMSynthesize和LLMTool函数表明Wolfram正在将大型语言模型能力与其知识表示系统整合
   • 这些功能可能支持使用LLM增强知识提取、语义理解和知识推理能力

4. 数据访问与集成：

   • 提供多种外部数据源访问方式，包括WikipediaData、WolframAlpha、WebSearch等
   • SemanticImport和SemanticInterpretation函数支持语义层面的数据导入和解释
   • ResourceData和ResourceObject支持访问Wolfram数据资源库

5. 框架级支持：

   • WDF (Wolfram Data Framework)作为一个相关指南，提供了Wolfram知识表示的整体框架
   • 与Wolfram|Alpha的集成增强了自然语言查询和知识检索能力

这些功能共同构成了一个强大的知识表示和知识图谱处理生态系统，支持从基础的实体操作到复杂的语义查询和推理。最新的LLM相关功能表明Wolfram正在积极探索将传统符号计算与现代神经网络技术相结合的方向。

相关性最高的前10条网页链接

1. Entity - 核心知识表示函数，用于表示实体
2. EntityClass - 用于表示实体类别的函数
3. EntityProperty - 用于表示实体属性的函数
4. EntityValue - 用于获取实体属性值的函数
5. RDFStore - 用于RDF数据存储的函数，与知识图谱直接相关
6. SPARQLExecute - 执行SPARQL查询的函数，用于查询知识图谱
7. WDF (Wolfram Data Framework) - Wolfram数据框架指南，提供知识表示的整体框架
8. WikidataData - 访问Wikidata知识图谱的函数
9. LLMFunction - 最新的LLM集成功能，可能与知识表示结合
10. SemanticInterpretation - 语义解释功能，与知识表示密切相关

相关图片提取

网页内容中没有包含图片链接或图片描述信息。

摘要

本网页详细介绍了Wolfram Language中的LLMFunction功能，这是一个用于创建和使用大型语言模型(LLM)提示模板的函数。LLMFunction可以生成文本、完成句子、提取信息等。该函数支持多种提示格式，包括静态字符串、存储库提示、模板文本等，并可以指定输出解释形式。LLMFunction需要外部服务认证、计费和互联网连接。它提供多种选项，如InsertionFunction、CombinerFunction、Authentication和LLMEvaluator等，用于控制提示的处理方式和LLM的配置。LLMEvaluator可以设置为LLMConfiguration对象或包含各种参数的关联，如最大令牌数、基础模型、温度等。该函数支持多种认证方式，包括自动、环境变量、系统密钥链等。

与知识表示和知识图谱相关的信息

网页内容中与LLMFunction在知识表示和知识图谱方面的应用相关的信息有限，但可以提取以下几点：

1. LLMFunction与知识表示的关联：在"Related Guides"部分中，明确列出了"Knowledge Representation & Access"作为相关指南，表明LLMFunction可以与Wolfram Language的知识表示功能结合使用。

2. 输出解释与知识结构：LLMFunction支持指定输出解释形式(form)，这与Interpreter函数使用相同的值。当指定输出解释时，LLM会被指示遵循该形式，并向LLM提示中添加相应的模式信息。这提供了一种将LLM输出结构化为特定知识表示的方法。

3. 实体返回示例：文档中有一个示例展示了如何创建一个返回城市作为Entity的函数，这表明LLMFunction可以直接生成Wolfram Language的知识表示结构。

4. 与LLMGraph的关联：在"See Also"部分列出了LLMGraph，这表明LLMFunction可能与图形表示和知识图谱功能有关联，但文档中没有详细说明这种关系。

5. 工具调用功能：LLMEvaluator配置中包含"ToolMethod"和"Tools"选项，允许指定工具调用方法和可用的LLMTool对象列表，这可能与知识处理和表示相关。

然而，文档中没有直接展示LLMFunction如何具体用于构建或操作知识图谱的详细示例，也没有明确说明其在知识表示方面的特定能力。

相关网页链接

1. LLMGraph - 可能与知识图谱直接相关的功能
2. Knowledge Representation & Access - 相关指南，介绍Wolfram Language中的知识表示和访问功能
3. LLMTool - 可用于LLMFunction的工具功能
4. LLMPrompt - 与LLMFunction配合使用的提示功能
5. LLMSynthesize - 与LLMFunction功能相关的合成功能
6. LLMExampleFunction - 相关的示例函数
7. LLM-Related Functionality - LLM相关功能指南
8. Natural Language Processing - 自然语言处理指南
9. Text Analysis - 文本分析指南
10. Machine Learning - 机器学习指南

相关图片

网页中包含了多张图片，但它们主要是代码示例的输入和输出截图，而非直接与知识表示或知识图谱相关的图表。以下是一些可能与问题相关的图片：

1. 图片: 创建返回Entity的函数示例

   • Title: 创建一个返回城市作为Entity的函数
   • Content: 展示了如何使用LLMFunction创建返回结构化知识实体的函数
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/LLMFunction.en/I_4.png

2. 图片: 使用返回Entity的函数

   • Title: 使用返回城市Entity的函数
   • Content: 展示了函数如何将文本描述转换为结构化的城市实体
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/LLMFunction.en/I_5.png

3. 图片: 创建辅助工具示例

   • Title: 创建辅助工具
   • Content: 展示了如何使用LLMFunction创建可能用于知识处理的辅助工具
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/LLMFunction.en/I_2.png

4. 图片: 使用辅助工具

   • Title: 使用辅助工具函数
   • Content: 展示了如何使用创建的辅助工具处理信息
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/LLMFunction.en/I_3.png

摘要

该网页详细介绍了Wolfram Language中的LLMGraph功能，这是一个用于高效调度和组合多个LLM生成步骤的工具。LLMGraph允许创建节点图，每个节点可以执行LLM函数或Wolfram语言函数，并能够基于父节点的输出进行评估。该功能支持条件执行、并发LLM提交和复杂的依赖关系管理。网页内容包括LLMGraph的语法、详细规范、节点类型（如LLMFunction、ListableLLMFunction和EvaluationFunction）、评估方法以及多个实际应用示例。LLMGraph需要外部服务认证、计费和互联网连接，可用于构建复杂的LLM工作流程，优化评估过程。

与问题相关的信息提取

LLMGraph是Wolfram Language中的一个功能，专门设计用于创建和管理基于大型语言模型(LLM)的计算图。它与知识图谱相关，但主要关注LLM操作的工作流程管理。

LLMGraph的核心功能是创建一个节点图，其中每个节点可以：

1. 执行LLM函数（通过"LLMFunction"规范）
2. 执行Wolfram语言函数（通过"EvaluationFunction"规范）
3. 对列表输入执行线程化LLM评估（通过"ListableLLMFunction"规范）

LLMGraph的主要能力包括：

• 高效调度和组合多个LLM生成步骤
• 管理LLM提交的并发性
• 基于条件执行节点（使用"TestFunction"）
• 自动解析节点间的依赖关系
• 支持各种提示规范，包括静态文本、模板和存储库提示

LLMGraph的语法为：LLMGraph["name1" -> fun1, ...]，创建一个图，其中节点"namei"基于父节点的输出评估funi。评估图的语法为：LLMGraph[...][input]或LLMGraph[...][input, prop]，后者可以返回特定属性。

LLMGraph与知识图谱的关系体现在它能够创建节点之间的关系和依赖，形成一个工作流程图。虽然传统知识图谱关注实体和关系的表示，LLMGraph更专注于LLM操作的流程和依赖管理。

网页中提供了多个示例，展示了LLMGraph的不同用法，包括：

• 基本图定义和评估
• 使用不同类型的节点规范
• 条件评估
• 节点初始化
• 提取图信息

LLMGraph需要外部服务认证、计费和互联网连接，这表明它依赖于外部LLM服务（如OpenAI的模型）来执行某些节点功能。

相关网页链接

1. LLMGraphSubmit - 与LLMGraph提交相关的功能
2. LLMFunction - LLM函数定义，用于LLMGraph节点
3. LLMPrompt - LLM提示定义
4. LLMSynthesize - LLM合成功能
5. LLMConfiguration - LLM配置设置
6. StringTemplate - 字符串模板，用于LLM提示
7. Function - Wolfram语言函数定义
8. Graph - 图形结构，与LLMGraph的结构相关
9. NetGraph - 网络图，可能与LLMGraph结构相关
10. LLM-Related Functionality - LLM相关功能指南

相关图片

1. 图片1:

   • Title: ListableLLMFunction示例图
   • Content: 展示ListableLLMFunction如何线程处理列表输入
   • Source: Wolfram Language文档
   • Link: https://reference.wolfram.com/language/ref/Files/LLMGraph.en/Image_1.gif

2. 图片2:

   • Title: TestFunction条件执行示例图
   • Content: 展示TestFunction如何使节点评估有条件
   • Source: Wolfram Language文档
   • Link: https://reference.wolfram.com/language/ref/Files/LLMGraph.en/Image_2.gif

3. 图片3:

   • Title: 节点计算依赖关系示例图
   • Content: 展示节点计算如何在所有依赖可用时立即开始
   • Source: Wolfram Language文档
   • Link: https://reference.wolfram.com/language/ref/Files/LLMGraph.en/Image_3.gif

摘要

本网页详细介绍了Wolfram语言中的Entity函数，该函数用于表示特定类型的实体对象。Entity函数的基本语法为Entity["type", name]，其中type可以是内置实体类型或通过EntityStore和EntityRegister指定的类型。网页还介绍了Entity函数的扩展用法，如Entity[cspec, name]，其中cspec可以是多种计算类实体表达式。Entity对象的属性值可以通过Entity[...][property]获取，其中property可以是字符串、EntityProperty表达式或EntityFunction表达式。网页还提到Entity表达式在StandardForm和TraditionalForm中会使用实体名称的打印形式进行格式化，并且Interpreter函数通常会返回Entity对象。网页包含了相关函数链接、基本示例、使用范围和与其他函数的关系等内容。

与问题相关的信息提取

网页内容主要介绍了Wolfram语言中的Entity对象，但没有直接展示如何将Entity对象与Graph函数结合创建知识图谱的具体示例。不过，从内容中可以提取一些与知识图谱构建相关的重要信息：

1. Entity对象是Wolfram语言中表示实体的基本方式，语法为Entity["type", name]，可以表示特定类型的实体。

2. Entity对象可以通过Entity[...][property]语法获取属性值，这对构建知识图谱中的节点属性很有用。

3. 网页提到了多种相关的实体类表达式，如EntityClass、SortedEntityClass、FilteredEntityClass等，这些可能在构建复杂知识图谱时用于分组和筛选实体。

4. Entity对象可以与Interpreter函数结合使用，这有助于从自然语言文本中提取实体。

5. 网页提到了EntityProperty表达式，这在定义实体间关系时可能很重要，是构建知识图谱边的潜在方式。

6. 网页列出了多个相关指南，特别是"Knowledge Representation & Access"和"WDF (Wolfram Data Framework)"，这些可能包含更多关于使用Entity构建知识图谱的信息。

7. EntityStore和EntityRegister函数的存在表明可以创建和注册自定义实体类型，这对于构建特定领域的知识图谱很有价值。

虽然网页没有直接展示如何将Entity对象与Graph函数结合创建知识图谱，但这些基础知识对理解如何在Wolfram语言中表示和操作实体对象是必要的，为构建知识图谱奠定了基础。

相关性最高的前10条网页链接

1. Knowledge Representation & Access - 这个指南可能包含关于如何在Wolfram语言中表示和访问知识，包括构建知识图谱的信息。

2. EntityValue - 这个函数可能用于获取实体的属性值，对构建知识图谱中的节点属性很重要。

3. EntityProperty - 这个函数可能用于定义实体的属性，对构建知识图谱中的关系很重要。

4. EntityClass - 这个函数可能用于定义实体类，对构建知识图谱中的节点分组很有用。

5. WDF (Wolfram Data Framework) - 这个指南可能包含关于Wolfram数据框架的信息，对理解如何在Wolfram语言中处理和表示数据很重要。

6. EntityStore - 这个函数可能用于存储自定义实体，对构建自定义知识图谱很有用。

7. EntityRegister - 这个函数可能用于注册自定义实体类型，对构建特定领域的知识图谱很重要。

8. Set Up an Entity Store - 这个工作流可能包含关于如何设置实体存储的信息，对构建自定义知识图谱很有用。

9. Entity - 这个解释器类型可能包含关于如何从文本中解释实体的信息，对从文本构建知识图谱很有用。

10. EntityFunction - 虽然链接不在网页中直接给出，但从内容中提到了这个函数，它可能用于定义对实体的操作，对构建知识图谱中的复杂关系很重要。

有帮助的图片

1. 图片: Entity使用自然语言指定

   • Title: 使用自然语言指定Entity对象
   • Content: 展示了如何使用自然语言输入来创建Entity对象
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/Entity.en/1.png

2. 图片: Interpreter返回Entity对象示例

   • Title: Interpreter函数返回Entity对象的示例
   • Content: 展示了Interpreter函数如何解析文本并返回Entity对象
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/Entity.en/I_18.png

3. 图片: Interpreter返回Entity对象结果

   • Title: Interpreter函数返回Entity对象的结果
   • Content: 展示了Interpreter函数解析文本后返回的Entity对象结果
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/Entity.en/O_18.png

4. 图片: Entity详细信息

   • Title: Entity函数的详细信息
   • Content: 展示了Entity函数的详细用法和特性
   • Source: Wolfram Research
   • Link: https://reference.wolfram.com/language/ref/Files/Entity.en/details_1.png