グラフRAGとは

記事概要

グラフRAGについて、まとめる。

説明

ナレッジグラフを利用したRAG

ナレッジグラフ

ノードとエッジで構成されている

RAGとの比較

	RAG	グラフRAG
検索方法	ベクトル検索	ハイブリッド検索 (ベクトル検索、全文検索、グラフ検索の3種)
検索対象	非構造化データ	非構造化データ＋構造化データ
応答テキストの精度	-	比較的高い

非構造化データ：チャンク単位で区切ったテキストデータ
構造化データ：テキストデータの「タイトル」「カテゴリ」「作成日」など、テキスト構造をもとに抽出したデータ

仕組み

1. インデックスの作成
   検索を容易にするために、インデックスを作成する
2. エンティティの抽出
   エンティティ：文章内に含まれる個別の情報
   グラフ構造として関連付けるために、文章やデータからエンティティを抽出する
3. グラフ構造の形成
   エンティティとそれらの関連性を、グラフ構造として表現する
   ナレッジグラフと呼ぶ
   ※これにより、文脈や関係性を回答に反映できる
4. 階層クラスタリング
   関連するエンティティをコミュニティとしてまとめる
5. コミュニティ要約
   コミュニティを階層的に整理する
   「米」を「銘柄」で分けた大きなコミュニティに対して、「産地」「栄養価」などのサブコミュニティで情報を細かく整理する
6. 検索
   インデックスからナレッジグラフを検索し、関連する情報を効率的に取得する
7. コミュニティ要約の生成
   検索結果のコミュニティを分析・要約する
8. 生成プロセス
   学習データとナレッジグラフをもとに、質問に対する最適な回答を生成する

補足

RAG

https://zenn.dev/headwaters/articles/367253b30e80a6

参考記事

https://blog.cloudnative.co.jp/26709/#co-index-3
https://qiita.com/ksonoda/items/98a6607f31d0bbb237ef
https://aismiley.co.jp/ai_news/about-graphrag-explanation