GraphRAG 与 RAG 的比较分析
<h1 style="color: black; text-align: left; margin-bottom: 10px;">检索<span style="color: black;">加强</span>生成（RAG）技术概述</h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">检索<span style="color: black;">加强</span>生成（Retrieval-Augmented Generation，简<span style="color: black;">叫作</span> RAG）是一种旨在<span style="color: black;">提高</span>大型语言模型（Large Language Models，LLMs）性能的技术<span style="color: black;">办法</span>。其核心思想是<span style="color: black;">经过</span>整合<span style="color: black;">外边</span><span style="color: black;">靠谱</span>知识库的信息来<span style="color: black;">加强</span>模型的输出质量。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">RAG 的工作原理可以概括如下：当 LLM 接收到<span style="color: black;">查找</span>时，它不仅依赖于<span style="color: black;">自己</span>的预训练知识，还会主动从指定的知识源检索<span style="color: black;">关联</span>信息。这种<span style="color: black;">办法</span><span style="color: black;">保证</span>了生成的输出能够参考<span style="color: black;">海量</span>上下文丰富的数据，并得到最新、最<span style="color: black;">关联</span>可用信息的支持。</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">RAG 系统的核心组件</h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">标准 RAG 系统<span style="color: black;">重点</span>由三个关键组件<span style="color: black;">形成</span>：</p><strong style="color: blue;">检索器组件（Retriever Component）：</strong>功能：在知识库或大规模文档集中搜索与<span style="color: black;">查找</span>主题高度<span style="color: black;">关联</span>的信息。工作方式：识别在语义上与<span style="color: black;">查找</span><span style="color: black;">关联</span>的文档，并<span style="color: black;">经过</span><span style="color: black;">类似</span>度度量（<span style="color: black;">一般</span>采用向量间的余弦<span style="color: black;">类似</span>度）计算<span style="color: black;">关联</span>性。<strong style="color: blue;">生成器（Generator）：</strong>定义：<span style="color: black;">一般</span>是一个大型语言模型。输入：检索到的<span style="color: black;">关联</span>信息和原始<span style="color: black;">查找</span>。输出：基于输入生成响应。<strong style="color: blue;">知识库（Knowledge Base）：</strong>用途：<span style="color: black;">做为</span>检索器<span style="color: black;">查询</span>文档或信息的数据源。<h1 style="color: black; text-align: left; margin-bottom: 10px;">RAG 的工作流程</h1>从<span style="color: black;">外边</span>源收集<span style="color: black;">关联</span>信息。将收集到的信息附加到用户的原始提示中。将<span style="color: black;">加强</span>后的提示<span style="color: black;">做为</span>输入发送给语言模型。在生成<span style="color: black;">周期</span>，LLM 结合<span style="color: black;">加强</span>提示和<span style="color: black;">自己</span>的训练数据<span style="color: black;">暗示</span>，生成针对用户<span style="color: black;">查找</span>定制的响应。<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">这一过程产生的响应融合了个性化和可验证的信息，<span style="color: black;">尤其</span>适用于聊天<span style="color: black;">设备</span>人等应用场景。</p>
<div style="color: black; text-align: left; margin-bottom: 10px;"><img src="https://p26-sign.toutiaoimg.com/tos-cn-i-axegupay5k/17dff07d55b34eb38850eea4db3e5914~noop.image?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1728060364&x-signature=XJtWuASlfkWRAwEKoXQGamnjq1w%3D" style="width: 50%; margin-bottom: 20px;"></div>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">图2：检索<span style="color: black;">加强</span>生成流程示意</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">构建 RAG 系统的关键<span style="color: black;">过程</span></h1><strong style="color: blue;">知识库准备：</strong>对文档进行索引创建文本嵌入<strong style="color: blue;">检索器模型：</strong>训练或微调，以有效搜索知识库<strong style="color: blue;">生成器模型：</strong><span style="color: black;">一般</span>采用预训练的语言模型<strong style="color: blue;">系统集成：</strong><span style="color: black;">保证</span>各组件无缝协作<h1 style="color: black; text-align: left; margin-bottom: 10px;">Graph RAG 技术简介</h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">Graph RAG 是 RAG 方法的一个高级变体，其特点是引入了图结构数据。与将知识库视为平面文档集合<span style="color: black;">区别</span>，Graph RAG 将信息<span style="color: black;">暗示</span>为实体和关系的互联网络。</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">Graph RAG 的核心概念</h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">Graph RAG 基于知识图谱（Knowledge Graphs，KGs）构建。知识图谱是现实世界实体及其关系的结构化<span style="color: black;">暗示</span>，<span style="color: black;">重点</span>由两个基本元素<span style="color: black;">构成</span>：</p><strong style="color: blue;">节点（Nodes）：</strong> <span style="color: black;">暗示</span>单个实体，如<span style="color: black;">名人</span>、地点、物体或概念。<strong style="color: blue;">边（Edges）：</strong> <span style="color: black;">暗示</span>节点之间的关系，定义了实体间的连接方式。<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">相比于标准 RAG <span style="color: black;">运用</span>向量<span style="color: black;">类似</span>度和向量数据库进行检索，Graph RAG 利用知识库进行更全面、系统的信息检索，从而<span style="color: black;">加强</span>了检索的完整性和准确性。</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">Graph RAG 的技术<span style="color: black;">优良</span></h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">Graph RAG 相较于标准 RAG <span style="color: black;">拥有</span>以下<span style="color: black;">明显</span><span style="color: black;">优良</span>：</p><strong style="color: blue;">关系上下文<span style="color: black;">捉捕</span>：</strong>能够<span style="color: black;">捉捕</span>和利用信息片段之间的<span style="color: black;">繁杂</span>关系，<span style="color: black;">供给</span>更丰富、更具语境的信息检索结果。<strong style="color: blue;">多跳推理能力：</strong>图结构支持系统沿关系链进行推理，实现更<span style="color: black;">繁杂</span>、更深入的<span style="color: black;">规律</span>分析。<strong style="color: blue;">结构化知识<span style="color: black;">暗示</span>：</strong>相比平面文档结构，图结构能更自然地<span style="color: black;">暗示</span>层级和非层级关系，更贴近现实世界的知识组织方式。<strong style="color: blue;"><span style="color: black;">查找</span>效率<span style="color: black;">提高</span>：</strong><span style="color: black;">针对</span><span style="color: black;">触及</span>关系遍历的<span style="color: black;">查找</span>类型，图结构可<span style="color: black;">明显</span><span style="color: black;">加强</span>处理效率。<div style="color: black; text-align: left; margin-bottom: 10px;"><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/2dfc6dc776264642ba427040eb6bb3fe~noop.image?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1728060364&x-signature=Sm3V8LFXssfBkQAfZ%2Bnf%2F5sj93o%3D" style="width: 50%; margin-bottom: 20px;"></div>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">图3：知识图谱示例</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">Graph RAG 的工作原理</h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">Graph RAG 的工作流程<span style="color: black;">能够</span>概括为以下几个关键<span style="color: black;">过程</span>：</p><strong style="color: blue;"><span style="color: black;">查找</span>处理：</strong>对输入<span style="color: black;">查找</span>进行分析和转换，使其适合图结构的<span style="color: black;">查找</span>格式。<strong style="color: blue;">图遍历：</strong>系统在图结构中进行探索，沿<span style="color: black;">关联</span>关系路径寻找连接的信息节点。<strong style="color: blue;">子图检索：</strong><span style="color: black;">区别</span>于检索独立的信息片段，系统提取<span style="color: black;">包括</span>相互<span style="color: black;">相关</span>上下文的<span style="color: black;">关联</span>子图。<strong style="color: blue;">信息整合：</strong>将检索到的子图进行组合和处理，形成一个连贯、全面的上下文信息集。<strong style="color: blue;">响应生成：</strong>语言模型基于原始<span style="color: black;">查找</span>和整合后的图信息生成<span style="color: black;">最后</span>响应。<h1 style="color: black; text-align: left; margin-bottom: 10px;">Graph RAG 处理流程图</h1>
<div style="color: black; text-align: left; margin-bottom: 10px;"><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/eea396aab6104849b549a24fe373da5e~noop.image?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1728060364&x-signature=AlBjK%2FQDjwxbZszLPyq4hKVn1OE%3D" style="width: 50%; margin-bottom: 20px;"></div>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">图4：Graph RAG 处理流程示意图</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">标准 RAG 与 Graph RAG 的关键区别</h1><strong style="color: blue;">知识<span style="color: black;">暗示</span>方式：</strong>标准 RAG：采用平面文档结构Graph RAG：<span style="color: black;">运用</span>图结构<span style="color: black;">暗示</span>知识<strong style="color: blue;">检索机制：</strong>标准 RAG：<span style="color: black;">重点</span>依赖向量<span style="color: black;">类似</span>度搜索Graph RAG：采用图遍历算法进行信息检索<strong style="color: blue;">上下文理解能力：</strong>Graph RAG 能够<span style="color: black;">捉捕</span>更<span style="color: black;">繁杂</span>的多<span style="color: black;">过程</span>关系，这些关系在标准 RAG 中可能被忽略<strong style="color: blue;">推理能力：</strong>Graph RAG 的图结构支持对相互<span style="color: black;">相关</span>信息进行更深入、更<span style="color: black;">繁杂</span>的推理<div style="color: black; text-align: left; margin-bottom: 10px;"><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a0f756e7c71f4e12a91a477fda66f14f~noop.image?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1728060364&x-signature=C3i5wNjyg67MPCBieSyfoAik1g4%3D" style="width: 50%; margin-bottom: 20px;"></div>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">图5：RAG 与 Graph RAG 对比示意</p>
<h1 style="color: black; text-align: left; margin-bottom: 10px;">总结</h1>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">Graph RAG 技术<span style="color: black;">经过</span>引入图结构化的知识<span style="color: black;">暗示</span>和处理<span style="color: black;">办法</span>，<span style="color: black;">明显</span><span style="color: black;">加强</span>了传统 RAG 系统的能力。它不仅<span style="color: black;">加强</span>了信息检索的准确性和完整性，还为<span style="color: black;">繁杂</span><span style="color: black;">查找</span>和多步推理<span style="color: black;">供给</span>了更强大的支持。这种<span style="color: black;">办法</span>在处理需要深度上下文理解和<span style="color: black;">繁杂</span>关系分析的任务中，展现出了<span style="color: black;">显著</span>的<span style="color: black;">优良</span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">随着知识图谱技术和图数据库的<span style="color: black;">持续</span>发展，Graph RAG 有望在<span style="color: black;">各样</span>高级人工智能应用中发挥越来越重要的<span style="color: black;">功效</span>，<span style="color: black;">尤其</span>是在需要精确、全面信息检索和<span style="color: black;">繁杂</span>推理的<span style="color: black;">行业</span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">作者：Praveen Raj</p>
系统提示我验证码错误1500次 ＼~゛， 外链发布社区 http://www.fok120.com/
页:
[1]