GraphRAGlet

그래프 크래그 - 진행중인 작업

그래프 크래그 패키지의 가벼운 "대부분의 길"적응.

GraphRaglet이 그래프 라그와 다른 이유는 무엇입니까?

GraphRaglet의 목표는 인덱스가 더 저렴하지만 그래프 크래그와 비슷한 강도를 가진 헝겊 검색 엔진이라는 것입니다. 일반 그래프에서 인덱싱 (지식 그래프 구축)은 비싸다. GraphRaglet은 LLM과 함께 엔티티, 관계 및 사실을 추출하는 대신 임베딩을 통해 지식 그래프를 구축하여 그래프 래그를 해결하는 것을 목표로합니다. 이것은 저렴합니다.

그러나 그래프 크래그는 코퍼스의 "글로벌 이해"를 목표로하므로 원래 코퍼스는 지식 그래프의 커뮤니티 요약에 유리하지 않습니다. 쿼리에 가장 관련성이 높은 문서를 반환하는 것을 목표로하는 그래프 러 슬릿의 경우에는 그렇지 않습니다.

GraphRaglet은 어떻게 작동합니까?

1. 코퍼스에서 텍스트 단위를 만드십시오
2. 텍스트 단위에 대한 의미 론적 임베딩을 생성하고 컷오프 임계 값을 통해 지식 그래프를 작성하십시오.
3. 지식 그래프의 커뮤니티 탐지 (Leiden 알고리즘 사용)
4. 지역 사회의 요약을 생성합니다

그런 다음이 증강 된 지식 그래프를 통해 다음 검색 전략을 구현할 수 있습니다.

• 글로벌 검색 :
  1. 커뮤니티 요약에 검색을 포함시킵니다
  2. 가장 관련성이 높은 커뮤니티의 래그
• 로컬 검색 : 특정 커뮤니티 내에서 쿼리에 대한 가장 관련성이 높은 문서를 찾으십시오.

Dev Todo

• 로깅을 설정하십시오
• 텍스트 단위의 더 나은 청킹
• 검색을 구현하십시오
  • 글로벌 검색
    • 매개 변수화
  • 로컬 검색
  • 드리프트 검색
• 설정 평가 및 테스트
  • Multihop
• GroQ 또는 다른 LLAMA 제공 업체에 대한 지원을 추가하십시오
• UMAP를 사용하여 관계 마이닝에 대한 임베딩의 차원을 줄입니다.
• 병렬화