GraphRAG
GraphRAG és un enfocament de generació augmentada per recuperació que millora els models de llenguatge grans amb grafs de coneixement per millorar la qualitat i la factualitat de les respostes. En lloc de recuperar passatges de text plans, GraphRAG construeix i consulta grafs de coneixement estructurats extrets de documents, proporcionant informació contextual rica al model de llenguatge.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Gao, Y., Xiong, Y., Gao, X., Jia, K., Pan, J., Bi, Y., Dai, Y., Sun, J., & Wang, M. (2023). Retrieval-augmented generation for large language models: A survey. arXiv preprint arXiv:2312.10997. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/ca/deep-learning/graphrag
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Models de difusió latentsAprenentatge profund↔ compare
- Autoencoders emmascaratsAprenentatge profund↔ compare
- Model de Segmentació de TotAprenentatge profund↔ compare
- Xarxes Convolucionals de Graf EspaciotemporalAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →