|
今年四月微软发布了GraphRAG项目技术报告，PaperAgent专门发过推文进行详细介绍，时隔2个多月，微软正式开源了GrapRAG项目！
微软多部门联合推出GraphRAG项目：全面性和多样性方面显著优于原生大模型RAG
GraphRAG项目的知识模型：Document- 系统中的输入文档，代表CSV中的单独行或者单独的.txt 文件。
TextUnit- 要分析的文本块。这些块的大小、重叠度都可以配置。
Entity- 从 TextUnit 中提取的实体，代表人物、地点、事件或您提供的其他实体模型。
Relationship- 两个实体之间的关系。
Covariate- 提取的声明信息，其中包含有关可能受时间限制的实体的陈述。
Community Report- 一旦生成实体，就对它们执行分层社区检测，并为该层次结构中的每个社区生成报告。
Node- 包含已嵌入和聚集的实体和文档的呈现图形视图的布局信息。
如何将文本文档转换为GraphRAG知识模型，以及主要步骤：编写TextUnit（Compose TextUnits） 图谱提取（Graph Extraction） 图谱增强（Graph Augmentation） 社区总结（ Community Summarization） 文档处理（Document Processing） 网络可视化（Network Visualization）
https://microsoft.github.io/graphrag/https://github.com/microsoft/graphrag 在整个GraphRAG流程中，也会涉及Embedding、Chunking等技术，PaperAgent团队RAG专栏进行过详细的归纳总结：高级RAG之36技（术）。 | 
