GraphRAG
GraphRAG ialah pendekatan penjanaan yang ditambah dengan dapatan semula (retrieval-augmented generation) yang menambah model bahasa besar dengan graf pengetahuan untuk meningkatkan kualiti jawapan dan kebenaran fakta. Berbanding dengan mendapatkan semula petikan teks rata, GraphRAG membina dan menyoal graf pengetahuan berstruktur yang diekstrak daripada dokumen, memberikan maklumat kontekstual yang kaya kepada model bahasa.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/ms/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 Penyerakan TerpendamPembelajaran Mendalam↔ compare
- Autoenkoder BertopengPembelajaran Mendalam↔ compare
- Model Segment SesuatuPembelajaran Mendalam↔ compare
- Jaringan Konvolusional Graf Ruang-MasaPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →