GraphRAG
GraphRAG 通过构建知识图谱和分层社区结构，将局部信息聚合为全局理解。
其核心优势在于：
利用 LLM 从文档中提取实体、关系和事实声明构建知识图谱，通过图结构索引捕捉语义关联。
通过分层社区检测，使用图社区算法将图谱划分为紧密关联的社区，递归生成从局部到全局的摘要。
采用 Map-Reduce 式回答生成方法，借助社区摘要的并行处理与聚合，生成全面且多样的全局回答。
GraphRAG 工作流程
1. 将文档拆分为文本块，并使用 LLM 提取其中的实体、关系及事实声明
2. 基于提取结果构建知识图谱，将实体和关系转化为图节点和边，对重复实例进行聚合并生成节点描述，同时根据关系出现频率设定边的权重。
3. 利用 Leiden 算法对图谱进行递归划分，形成嵌套的社区结构，每个社区代表一个语义主题，构建从局部到全局的层级结构。
发布于：湖南省人人顺配资-人人顺配资官网-专业炒股配资咨询-配资炒股开户技巧提示：文章来自网络，不代表本站观点。
