মানক RAG প্রশ্নের ভেক্টরকে চাঙ্ক ভেক্টরের সাথে মিলিয়ে ডকুমেন্ট পুনরুদ্ধার করে, যা "কোন সেবা পেমেন্ট রিট্রি লজিকের মালিকান রক্ষা করে" এর মতো স্থানীয় ক্যোয়েরির জন্য কাজ করে। তবে, "কোন ব্যর্থতার কারণগুলি সব পোস্টমর্টেমে সবচেয়ে বেশি পুনরাবৃত্তি করে" এর মতো বৈশ্বিক ক্যোয়েরি পুরো ডেটাসেট জুড়ে যুক্তিবিদ্যা প্রয়োজন।
Graph RAG এই সীমাবদ্ধতাকে দূর করে জ্ঞান গ্রাফ গড়ে তোলায় যা এন্টিটিগুলি (সেবা, দল, ঘটনা) এবং তাদের মধ্যকার সম্পর্কগুলি ধরে। এটি উত্তরগুলিকে একক নথিতে নয়ে পুরো কর্পাসের প্যাটার্ন থেকে জন্ম দেয়।
Microsoft 8,000 এবং 64,000 টোকেনের প্রসঙ্গ নিয়ে Graph RAG-কে মানক ভেক্টর রিট্রিভালের বিরুদ্ধে পরীক্ষা করেছে। বৈশ্বিক প্রশ্নগুলিতে, বড় উইন্ডোগুলি এখনও Graph RAG-এর ব্যাপকতা, বৈচিত্র্য এবং উৎস গুণমানের সাথে মেলার জন্য ব্যর্থ হয়েছে।
LinkedIn এর গ্রাহক সেবা দল জ্ঞান গ্রাফ-ভিত্তিক রিট্রিভাল বাস্তবায়ন করার পরে গড় বিপরীত র্যাঙ্কে 77.6% উন্নতি এবং মাধ্যম রিজোলিউশন সময়ে 28.6% হ্রাস রিপোর্ট করেছে। Graph RAG দুটি গ্রাফ বজায় রাখে: একটি শব্দ গ্রাফ যা নথিগুলিকে চাঙ্কের সাথে যুক্ত করে, এবং একটি এন্টিটি গ্রাফ যা বর্ণিত ধারণাগুলিকে সংযুক্ত করে।
গুরুত্বপূর্ণ এন্টিটিগুলি: কোম্পানিগুলি: Microsoft, LinkedIn, Neo4j, ByteByteGo
উৎস: ByteByteGo · সারাংশ: HeadlinesBriefing