GraphRAG 지식 그래프

It matters because it answers broad, connect-the-dots questions that flat vector search cannot.

일반 RAG는 문서를 덩어리로 분할하고 포함시킨 다음 쿼리에 가장 가까운 몇 개를 검색합니다. 이는 좁은 사실 조회에는 효과가 있지만 '이 전체 데이터 세트의 주요 주제는 무엇입니까?'와 같은 전체적인 질문에는 실패합니다. 2024년 Microsoft 연구에 의해 대중화된 GraphRAG는 대신 언어 모델을 사용하여 엔터티, 해당 속성 및 엔터티 간의 관계를 추출하여 지식 그래프를 조립합니다. 그런 다음 Leiden과 같은 커뮤니티 감지 알고리즘을 실행하여 관련 엔터티를 클러스터링하고 각 커뮤니티에 대한 요약을 미리 생성합니다. 쿼리 시간에 시스템은 관계를 탐색하고 이러한 커뮤니티 요약을 집계하여 멀티 홉 추론과 글로벌 센스메이킹을 가능하게 합니다. 그 결과 증거가 여러 문서에 분산되어 있고 중간 엔터티를 통해서만 연결된 질문에 대한 더 나은 답변을 얻을 수 있습니다.