เปรียบเทียบวิธี

	GraphRAG	เครือข่ายคอนโวลูชันกราฟเชิงพื้นที่-เวลา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2023	2018
ผู้ริเริ่ม	Yunfan Gao	Sijie Yan
ประเภท	System architecture	Neural network architecture
แหล่งต้นตำรับ	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.	Yan, S., Xiong, Y., & Lin, D. (2018). Spatial temporal graph convolutional networks for skeleton-based action recognition. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 32).
ชื่อเรียกอื่น	Graph RAG, Knowledge Graph RAG	ST-GCN, Spatial-Temporal Graph CNN
ที่เกี่ยวข้อง	4	4
สรุป	GraphRAG is a retrieval-augmented generation approach that augments large language models with knowledge graphs to improve answer quality and factuality. Rather than retrieving flat text passages, GraphRAG constructs and queries structured knowledge graphs extracted from documents, providing rich contextual information to the language model.	Spatial-Temporal Graph Convolutional Networks (ST-GCN) is an architecture introduced by Yan et al. in 2018 for skeleton-based action recognition. By modeling human skeletons as graphs where joints are nodes and bones are edges, ST-GCN applies graph convolutions across space and time to recognize actions from skeleton sequences.