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。
「RAG 文本切块」找到 8 条内容
按专题浏览 →匹配题目：在检索增强生成（RAG）系统中，如何合理地对长文档进行文本切块（Text Chunking）？请比较不同切块策略的优劣。
匹配题目：在构建RAG系统时，如何设计数据清洗流程？常见的文本切块（Chunking）策略有哪些，各自适用于什么场景？
匹配正文：核心思想 GraphRAG由微软提出，核心是将非结构化文本转化为结构化知识图谱，再基于图的拓扑结构进行语义检索，而非传统RAG的"文本切块+向量相似度"模式。 相对于传统RAG的创新 1. 知识组织方式：层次化图结构 传统RAG：文档→切片→Embedding，信息原子化，丢失跨段落关联 GraphRAG：提取实体→关系→社区三层结构 实体节点：人、组织、概念等 关系边：语义关联（如"投资"、"位于"） 社区：基于图聚类的语义簇，生成高层摘要 2. 检索机制：全局语义 vs …
学习内容与项目面试，在同一条路上。