知识图谱

GraphRAG解析：高效RAG系统构建全攻略

我经常在Reddit上看到关于GraphRAG的帖子，但直到大约一个月前，我才决定尝试一下。在花了一些时间进行实验后，我可以说它的表现令人印象深刻，但如果你使用的是OpenAI API，成本也相当高。在文档中运行他们提供的示例书籍测试花费了我大约7美元，所以虽然它的性能和组织能力非常出色，但它并不算经济实惠。

Posted by 活水智能 on December 02, 2024 · 1 min read

构建知识图谱新突破：OpenAI GPT-3.5-turbo高效提取实体关系

本文将探讨如何使用 OpenAI 的 gpt-3.5-turbo 从原始文本数据构建知识图谱。大语言模型（LLM）在文本生成和问答任务中表现优异。检索增强生成（RAG）进一步提升了它们的性能，使其能够访问最新的领域特定知识。本文的目标是利用大语言模型作为信息提取工具，将原始文本转换为可查询的事实，从而获取有用的见解。但在此之前，我们需要定义一些关键概念。

Posted by 活水智能 on November 07, 2024 · 7 mins read

揭秘GraphRAG：RAG检索模式的深度解析

你是否曾在探索检索增强生成（RAG）系统时遇到过“GraphRAG”这个术语？如果是这样，你并不孤单。这个术语正在引起广泛关注，但其含义可能令人困惑。有时，它是一种特定的检索方法；而其他时候，它则是一个完整的软件套件，比如微软的GraphRAG“数据管道和转化套件”。由于使用方式多种多样，即使是最专注于RAG讨论的追随者也可能感到有些迷失。

Posted by 活水智能 on September 20, 2024 · 3 mins read