GraphRAG

通过检索知识图谱、将相互关联的实体和关系作为LLM回答依据的RAG方法。

1篇文章最近提及

GraphRAG是一种检索增强生成(RAG)方法,它不只依赖对文档的向量相似度检索,而是检索知识图谱(由实体及其关系构成的知识结构),将相互关联的实体和关系作为依据提供给LLM。由于可以沿着关系汇集分散在多个文档中的信息,它常用于需要概览整个语料库或多步推理才能回答的问题。

微软研究院于2024年发布同名开源项目后,该术语广为人知。该项目利用LLM从文档中抽取实体和关系构建图谱,将图谱划分为社区并预先生成各社区的摘要,在回答问题时加以利用。此后,GraphRAG也被泛指采用基于图的检索的各类RAG方法。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。

涉及该条目的文章

  • 英伟达Agent Toolkit:模型不变,执行框架让得分升至100%AI资讯 ·

    本体与GraphRAG

    阅读文章

发现说明有误或找不到条目?

百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。