2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

FastRAG:高效半结构化数据处理新范式,轻松提升检索生成效率

发布日期:2024-12-03 19:34:43 浏览次数: 2785
作者:AI 搜索引擎

微信搜一搜,关注“AI 搜索引擎”

今天分享的是一种针对半结构化数据处理的 RAG 方法:FastRAG。
论文链接: https://arxiv.org/abs/2411.13773

01

 简介

随着网络规模的不断扩大和数据量的激增,对网络数据的处理和理解变得越来越困难。传统的网络管理工具在处理半结构化数据(如日志和配置文件)时效率低下,难以全面提取和利用其中蕴含的信息。现有的大型语言模型(LLM)结合检索增强生成(RAG)技术,如VectorRAG和GraphRAG,虽然在上下文处理方面有所突破,但在处理半结构化网络数据时仍存在效率低下、成本高昂和检索不准确等问题。
为解决上述问题,本文提出了FastRAG,一种针对半结构化数据的新型RAG方法。FastRAG通过模式学习和脚本学习高效提取和构建数据结构,避免了对完整数据源的逐块处理。同时,设计分块采样算法来选择适合提示的分块,优化了数据处理的时间和成本。此外,该方法结合文本检索与知识图谱查询(通过图查询语言GQL)的方法,显著提高了上下文信息的检索精度。
实验表明,FastRAG在问答任务中表现优异,与GraphRAG相比,处理时间减少了90%,成本降低了85%,同时检索准确性也得到了增强。

02

方法

FastRAG 的整体框架如上图所示,其主要由分块采样(Chunk sampling)、模式学习(Schema learning)、脚本学习(Script learning)和信息检索(Information Retrieval)这四部分组成。下面详细介绍每一组成部分。

1. 分块采样(Chunk sampling)

分块采样通过选择具有代表性的文本片段(chunk)来减少 LLM 的使用量,从而降低处理时间和成本。分块采样的步骤如下:
  • 数据预处理:对源数据进行预处理,例如去除无关字符、分词等。

  • 关键词提取:使用 K-means 聚类算法将预处理后的数据分割成多个聚类,并选择每个聚类中与质心最近的  个词作为关键词。关键词代表了文本中的重要信息。
  • 样本选择
    • 计算 TF-IDF 向量:对每个聚类中的文本计算 TF-IDF 向量,用于评估每个文本的重要性。
    • 计算熵值:计算每个文本的熵值,用于评估每个文本的多样性。
    • 选择样本:选择包含所有关键词且熵值最大的  个文本作为样本。样本选择算法旨在选择具有代表性的文本,涵盖源数据的语法特征。

2. 模式学习(Schema learning

模式学习利用 LLM 生成 JSON 模式,描述源数据中的实体类型和属性,从而将半结构化数据结构化。模式学习的步骤如下:
  • 生成模式:将样本文本提交给 LLM,生成初始的 JSON 模式。

  • 评估模式:使用 LLM 评估生成的模式的质量,例如是否包含所有实体类型、属性描述是否准确等。

  • 修改模式:根据评估结果修改模式,例如添加或删除实体类型、修改属性描述等。

  • 重复迭代:重复执行生成模式、评估模式和修改模式的步骤,直到获得最佳结构。

3. 脚本学习(Script learning)

脚本学习利用 LLM 生成 Python 代码,将源数据解析为结构化数据,并映射每个实体到原始文本中的具体行。脚本学习的步骤如下:
  • 生成代码:将源数据样本提交给 LLM,生成初始的解析代码。

  • 评估代码:使用 LLM 评估生成的代码的质量,例如是否能够正确解析源数据、是否能够生成结构化数据等。

  • 修改代码:根据评估结果修改代码,例如修复解析错误、改进代码结构等。

  • 重复迭代:重复执行生成代码、评估代码和修改代码的步骤,直到获得最佳解析效果。

4. 信息检索(Information Retrieval)

信息检索利用知识图谱和文本搜索技术,根据用户的查询信息从结构化数据中检索相关信息。信息检索的步骤如下:
知识图谱构建:
  • 实体节点创建:在JSON对象中识别的每个实体都作为一个节点插入到KG中,实体类型作为节点的标签。
  • 属性节点创建:实体的简单类型属性直接作为节点的属性赋值,而属性本身为对象的,则作为子节点插入,并与其父节点连接。
  • 文本节点创建:对于每个实体的输入数据属性中的每一行,都创建一个相应的节点,并链接到父实体节点。这些输入数据节点将用于利用NLP方法进行文本搜索。

检索策略:提供多种检索策略,包括:
  • 图查询:使用 LLM 生成 GQL 语句,从知识图谱中检索相关信息。
  • 文本搜索:使用 LLM 生成一个仅利用文本搜索功能的 GQL 语句,利用文本搜索功能检索相关信息。
  • 混合查询:同时执行图查询和文本搜索,并将结果合并生成最终答案。
  • Hybrid 查询:结合了KG查询和文本搜索的能力,指示LLM生成一个能够利用两种方法的任何相关功能的GQL语句。


03

总结

FastRAG 是一种针对半结构化数据的高效处理方法,通过模式学习、脚本学习和信息检索的结合,克服了传统 RAG 方法在半结构化数据上应用的局限性。其自动化、灵活性和高效性使得它在处理大规模、不断更新的网络数据时具有显著的优势。





53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅