详情

朴素 RAG：😔开yun体育网

检索复返的施行孑然、枯竭结构关联。

恢复在需要跨文档、跨段落推理的场景中，调回片断之间枯竭逻辑和语义连贯性。

无法识别文档间的主题相干，信息冗余与漏召。

学问图谱 RAG：😊

实体 - 相干 - 属性的三元组花式显式建模语义关联，使系统偶然显明刻画学问之间的语义旅途。

在图谱上进行结构感知的检索或旅途遍历，更有针对性地调回与用户问题语义磋磨、逻辑连贯的信息。

跨文档实体的对王人与和会，增强主题团聚与复杂推理才略。

学问图谱：让机器默契宇宙的 “学问集结”

一切从图提及🔥

（图（Graph）结构）

图是一种由一组节点（或称为过甚）和节点之间的边组成的数据结构，举例图 1 不错暗意地铁阶梯图，每个过甚暗意一个站点，每个边暗意站点之间的连通性。

学问图谱（Knowledge Graph, KG）是一种用 “图” 结构表见学问的方式，相通由三元组组成，其中每个三元组包含一个实体、相干以及与该实体磋磨的另一个实体，结构花式为 （实体 1）—[相干]→（实体 2）。

（学问图谱示例（图源集结））

学问图谱有三个迫切组成部分，即实体，相干和属性，每个部分的解说如下：

实体（Entity）：学问图谱的基本组成单元，代解析实宇宙中的物品、见识、事件等。举例图 2 中的每个东谈主物、城市、课程都是实体。🤔

相干（Relationship）：形容实体间磋磨的方式，相通用边来暗意。比如图 2 中男士与 Bonn 的相干是 “lives in”，暗意这位男士生计在 Bonn City。🤔

属性（Attribute）：实体或相干的附加信息。举例图 2 中 Bonn City 有 “Type”开yun体育网，“Population” 和 “Area” 三个属性。🤔