GraphRAG技术解读

🌀Jarson Cai's Blog https://caixiongjiang.github.io/blog/2024/rag/graphrag/ -GraphRAG：用知识图谱增强RAG RAG通过外挂知识库，适合LLM访问私人或者特定领域的数据并解决幻觉问题。 RAG的基本方法集成了向量数据库和LLM，其中向量数据库负责检索用户查询的上下文，LLM根据检索的上下文内容生成答案。这种方法在很多情况下效果好，速率快，但遇到复杂的问题就很难完成，譬如LLM的推理需要涉及不同的信息之间进行关联。 举一个例子，常规的RAG通常会按照下面的步骤来回答问题： 问题：识别这个人：确定谁打败了Allectus？ 系统： 1、检索男人的儿子：查找此人家庭的信息，特别是他的儿子 2、LLM通过检索到的上下文找到儿子：识别儿子的名字 这里的挑战通常出现在检索环节，因为常规RAG基于语义相似性检索文本，而不能直接回答知识库中可能没有明确提及具体细节的复杂查询。这种限制使得很难找到所需的确切信息，通常需要昂贵且不切实际的解决方案，例如手动创建Q&A对以进行频繁的查询。 为了应对这些挑战，微软研究公司推...