GraphRAG
GraphRAG เป็นแนวทางการสร้างข้อความเสริมด้วยการดึงข้อมูล (retrieval-augmented generation) ซึ่งเสริมแบบจำลองภาษาขนาดใหญ่ (large language models) ด้วยกราฟความรู้ (knowledge graphs) เพื่อปรับปรุงคุณภาพของคำตอบและความถูกต้องของข้อเท็จจริง แทนที่จะดึงข้อความที่เป็นส่วนๆ แบบแบนๆ (flat text passages) GraphRAG จะสร้างและสอบถามกราฟความรู้ที่มีโครงสร้างซึ่งสกัดมาจากเอกสารต่างๆ โดยให้ข้อมูลบริบทที่สมบูรณ์แก่แบบจำลองภาษา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/th/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.
- [NEEDS TRANSLATION]การเรียนรู้เชิงลึก↔ compare
- Masked Autoencodersการเรียนรู้เชิงลึก↔ compare
- โมเดล Segment Anythingการเรียนรู้เชิงลึก↔ compare
- เครือข่ายคอนโวลูชันกราฟเชิงพื้นที่-เวลาการเรียนรู้เชิงลึก↔ compare