【RAG】GraphRAG开源：查询聚焦摘要的图RAG方法

文章预览

前言 传统的 RAG 方法在处理针对整个文本语料库的 全局性问题 时存在不足，例如查询：“数据中的前 5 个主题是什么？” 对于此类问题，是因为这类问题本质上是 查询聚焦的摘要（Query-Focused Summarization, QFS）任务，而不是传统的显式检索任务。 Graph RAG 通过使用 LLM 构建基于图的文本索引，从源文档构建知识图谱。通过构建知识图谱，能够将复杂的、大规模文本数据集转化为易于理解和操作的知识结构，以便更好地理解实体（如人物、地点、机构等）之间的相互关系。 一、方法 1.1 源文档分块 该步骤是 Graph RAG 流程的基础，它决定了后续构建知识图谱和生成摘要的质量。主要需要考虑的就是 源文档的分割粒度 （《 【RAG】Dense X Retrivel：合适的检索粒度对RAG的重要性（浅看命题粒度的定义及分解方法） 》），需要决定输入文本从源文档中提取出来 ………………………………