GraphRAG
GraphRAG est une approche de génération augmentée par récupération (retrieval-augmented generation) qui enrichit les grands modèles linguistiques (LLMs) avec des graphes de connaissances pour améliorer la qualité et la factualité des réponses. Plutôt que de récupérer des passages de texte plats, GraphRAG construit et interroge des graphes de connaissances structurés extraits de documents, fournissant ainsi des informations contextuelles riches au modèle linguistique.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/fr/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.
- Modèles de Diffusion LatenteApprentissage profond↔ compare
- Autoencodeurs masquésApprentissage profond↔ compare
- Modèle Segment AnythingApprentissage profond↔ compare
- Réseaux de convolution sur graphes spatio-temporelsApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →