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。
「GraphRAG」找到 37 条内容
按专题浏览 →匹配正文：…谱，以及图谱和向量检索怎么配合。 配套教程 RAG 面试题大全与知识体系 大模型系统设计：复杂知识检索怎么拆 知识模块 知识图谱、GraphRAG 与结构化检索 知识图谱、GraphRAG 与结构化检索 常见问题 GraphRAG 适合什么场景？ 适合实体关系密集、需要多跳关联或全局结构总结的场景。普通 FAQ 或短文档检索不一定需要图谱，先把基础 RAG 做好。 知识图谱和向量检索是替代关系吗？ 不是。图谱擅长结构和关系，向量检索擅长语义相似。实际系统常把两者组合，先召回候…
匹配正文：核心思想 GraphRAG 把文本证据与实体、关系或社区结构关联起来，用显式图结构补充向量检索的局部语义匹配。它可以支持关系检索和全局摘要，但不保证关系抽取正确，也不等于自动获得可靠的多跳推理。 1. 图构建 解析和分块文档，并保留到原文的来源映射。 抽取实体、关系及描述，同时记录证据片段和置信度。 做实体消歧、别名合并和冲突处理，避免同名实体误合并。 构建属性图，并按实现选择社区检测和层次摘要。微软 GraphRAG 的一种实现使用 Leiden 社区检测，但这不是所有 G…
匹配正文：答案要点 理解GraphRAG的核心创新：从"文本块检索"到"图结构知识检索" 能对比传统RAG在全局性问题上的局限 掌握GraphRAG的构建流程（索引构建→社区检测→查询生成） 能举例说明图结构数据的具体应用场景 理解其在多跳推理、关系推理上的优势 GraphRAG 核心原理 本质转变：传统RAG检索"文本片段"，GraphRAG检索"图结构知识"——实体、关系、社区摘要。 构建流程： 索引阶段：LLM抽取实体和关系 → 构建知识图谱 → Leiden算法检测社区 → 生…
学习内容与项目面试，在同一条路上。