页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「图检索 vs 向量检索」找到 5 条内容
按专题浏览 →匹配标题与标签：GraphRAG 原理与构建方法 知识图谱构建、图检索与传统向量检索的差异与优势 知识图谱 字节 GraphRAG 实现原理 知识图谱构建 图检索 vs 向量检索 字节
匹配正文：…段（索引优化、重排序、缓存策略） 体现工程权衡思维，而非单纯罗列技术 常用检索方法对比 方法 核心机制 优点 缺点 适用场景 稠密向量检索 Embedding语义匹配 语义理解强，容错性好 对长尾/专业术语弱，计算成本高 开放域问答、语义相似查询 稀疏向量检索 BM25/TF-IDF关键词匹配 精准匹配强，可解释性好 语义鸿沟，同义词失效 专业术语、ID类查询 混合检索 稠密+稀疏融合 兼顾语义与精准 系统复杂，融合策略需调优 通用生产环境首选 图检索 实体关系遍历 多跳推理…
匹配正文：…阶段 文本分块→LLM抽取实体/关系→生成社区摘要 知识图谱 + 社区层级摘要 查询阶段 路由判断(Local/Global)→子图检索/社区遍历→上下文组装 精准关联信息 Local Query：从实体出发做多跳邻居遍历，解决"某实体的关联属性" Global Query：跨社区聚合摘要，解决"整体趋势/共性特征"类问题 相较传统RAG的优势 维度 传统RAG GraphRAG 信息组织 扁平向量，语义相近≠逻辑关联 显式图结构，保留因果、从属等关系 检索效率 相似度Top…
学习内容与项目面试，在同一条路上。