GraphRAG
GraphRAG adalah pendekatan generasi yang ditingkatkan pengambilan (retrieval-augmented generation) yang memperkaya model bahasa besar (large language models) dengan graf pengetahuan (knowledge graphs) untuk meningkatkan kualitas dan faktualitas jawaban. Alih-alih mengambil potongan teks datar, GraphRAG membangun dan mengkueri graf pengetahuan terstruktur yang diekstraksi dari dokumen, menyediakan informasi kontekstual yang kaya kepada model bahasa.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/id/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.
- Model Difusi LatenPembelajaran Mendalam↔ compare
- Autoenkoder BertopengPembelajaran Mendalam↔ compare
- Model Segmentasi Apa PunPembelajaran Mendalam↔ compare
- Jaringan Konvolusional Graf Spasial-TemporalPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →