GraphRAG
GraphRAG è un approccio di generazione aumentata da recupero (retrieval-augmented generation) che potenzia i modelli linguistici di grandi dimensioni (large language models) con knowledge graph per migliorare la qualità e la fattualità delle risposte. Invece di recuperare passaggi di testo piatti, GraphRAG costruisce e interroga knowledge graph strutturati estratti dai documenti, fornendo al modello linguistico informazioni contestuali ricche.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/it/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.
- Modelli di Diffusione LatenteApprendimento profondo↔ compare
- Autoencoder MascheratiApprendimento profondo↔ compare
- Segment Anything ModelApprendimento profondo↔ compare
- Reti Convoluzionali Grafiche Spazio-TemporaliApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →