一种将RAG、KG、VS、TF结合增强领域LLM性能的框架

文章预览

SMART-SLIC框架：旨在将 RAG 结合 向量存储 （Vector Stores）、 知识图谱 （Knowledge Graphs）和 张量分解 （Tensor Factorization）来增强 特定领域 的大型语言模型（LLMs）的性能。 SMART-SLIC系统框架 SMART-SLIC框架的关键组成部分和操作流程：包括构建特定领域的数据集、知识图谱本体论、向量存储以及检索增强生成（RAG）过程： A. 特定领域的数据集： 项目从由主题专家（SMEs）选定的核心文档开始，这些文档代表了想要构建数据集的特定领域。 利用SCOPUS、Semantic Scholar和OSTI等授权API，通过引用和参考文献网络扩展数据集。 为了保持核心数据集的中心质量和主题一致性，采用了几种修剪策略来删除与核心文档无关的文档。 B. 降维： 通过非负张量分解从数据集中提取潜在结构，使用T-ELF工具进行文档聚类，并自动确定最佳聚类数量。 C. 知识图谱本体论： 将T-ELF提 ………………………………