微信扫码
添加专属顾问
我要投稿
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
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。
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
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
2025-08-30
涌现观点|RAG评估的"不可能三角":当独角兽公司因AI评估失误损失10亿美元时,我们才意识到这个被忽视的技术死角
2025-08-29
RAG2.0进入“即插即用”时代!清华YAML+MCP让复杂RAG秒变“乐高”
2025-08-29
利用RAG构建智能问答平台实战经验分享
2025-08-29
RAG如七夕,鹊桥大工程:再看文档解析实际落地badcase
2025-08-29
基于智能体增强生成式检索(Agentic RAG)的流程知识提取技术研究
2025-08-29
RAG 为何能瞬间找到答案?向量数据库告诉你
2025-08-28
寻找RAG通往上下文工程之桥:生成式AI的双重基石重构
2025-08-28
万字长文详解优图RAG技术
2025-06-05
2025-06-06
2025-06-05
2025-06-05
2025-06-20
2025-06-20
2025-07-15
2025-06-24
2025-06-24
2025-06-05