iDC-NEU/YiGraph

解決する課題

YiGraph は、複雑で乱雑なリレーショナルデータを明確なビジネスインサイトに変換する問題に取り組みます。取引ログ、ドキュメント、テーブル、その他の生データソースの行には、重要なつながり（誰が誰に送金したか、どのアカウントとデバイスが関連しているか、企業がどのように関連しているか）が隠れていることがよくありますが、それらのつながりを明らかにするには通常、グラフの専門知識と手作業が必要です。YiGraph はパイプライン全体を自動化します。生データからエンティティとリレーションシップを抽出して構造化グラフを構築し、ユーザーが自然言語でビジネス質問をすると、明確で解釈可能で追跡可能な分析レポートを受け取れます。ユーザーはグラフアルゴリズムを理解する必要はありません。

仕組み

YiGraph は、AAG（Analytics-Augmented Generation）フレームワークを中心に構築されたエンドツーエンドのエージェントシステムです。大規模言語モデルは、ユーザーの意図の理解、分析タスクのステップへの分割、最終出力の整理を担当します。重要な信頼性メカニズムは、コアとなる分析計算をモデルのテキスト推論に任せないことです。代わりに、AAG は計算自体を第一級の能力として扱い、検証可能な計算を実行するために主要な段階で専門的なグラフアルゴリズムとグラフシステムを呼び出し、モデルがそれを解釈して要約します。

システムは3つの段階で動作します：

• 知識駆動型タスク計画：何かを実行する前に、YiGraph はユーザーの質問が何を解決しようとしているか、必要なデータフィールドとリレーションシップ、構築するグラフの種類（どのエンティティ、どのリレーションシップ）、適合する分析メソッドとパラメータ、結果の解釈方法を決定します。
• アルゴリズム中心の信頼性の高い実行：モデルに「制御不能なコードを書いて実行させる」のではなく、YiGraph は検証可能なアルゴリズムモジュールを中心に、それらを呼び出して組み合わせます。各分析ステップは再現可能（同じ入力は安定した出力を生成）、追跡可能（どのアルゴリズムとステップが実行されたか確認可能）、より信頼性が高い（主要な計算は専門モジュールによって行われ、純粋なテキスト推論ではない）です。
• タスク認識型グラフ構築：システムはすべての生データを無差別に1つの巨大なグラフにダンプしません。現在の問題に関連するエンティティとリレーションシップのみを選択的に抽出し、無関係な構造からのノイズを回避し、実行に適した形式でグラフを整理します。

YiGraph には、基本（BFS、DFS、トポロジカルソート）、パスアルゴリズム（Dijkstra、Bellman-Ford）、中心性（PageRank、Betweenness）、連結性とコンポーネント、クラスタリングとコミュニティ検出（Louvain、Leiden、ラベル伝播）、フローとカット、マッチングと彩色、クリークとコア、距離測定、グラフクエリ操作など、多くのカテゴリをカバーする200以上のグラフアルゴリズムの組み込みライブラリが含まれています。

システムは2種類の入力データをサポートします：既存のグラフデータと、エンティティとリレーションシップが自動的に抽出される非構造化テキストデータ（ドキュメント、ログ、レポート）です。

YiGraph は3つの操作モードを提供します：

• ノーマルモード：ユーザーはビジネス質問を送信するだけです。システムは自動的に解析し、適切なグラフアルゴリズムを選択し、実行してレポートを生成します。非技術者や一般のビジネスユーザーに適しています。
• インタラクティブモード：ユーザーは YiGraph と協力し、システムは LLM と対話して計算ワークフローとグラフアルゴリズムを決定してから実行します。ビジネスとグラフアルゴリズムの両方を理解している上級ユーザーに適しています。
• エキスパートモード：ユーザーは問題とともに解決アプローチ、計算ステップ、グラフアルゴリズムを指定し、YiGraph は提供された計画を実行します。エキスパートユーザー向けです。

デプロイメントに関して、YiGraph は Python 3.11+ を必要とし、グラフデータベースとして Neo4j を使用し（Neo4j 3.5.25 でテスト済み）、LLM プロバイダー（OpenAI または Ollama）、検索と埋め込み設定、データセット定義を設定する YAML ファイルで構成可能です。Python パッケージは PyPI に yigraph 2.0.0 として公開されており、Web インタラクティブインターフェースまたはターミナルインタラクティブモードで実行できます。デモコマンドは、LLM、GPU、データベースを必要とせずに最短経路と PageRank を計算します。

対象ユーザー

• 一般のビジネスユーザーと非技術系アナリスト：グラフ理論を学ばずに複雑なデータから回答を得たい方。ノーマルモードを使用し、自然言語でビジネス問題を説明するだけです。
• 上級ユーザー：ビジネスドメインとグラフアルゴリズムの両方を理解し、計算ワークフローを導きたい方。インタラクティブモードを使用します。
• エキスパートユーザー：ビジネスとグラフアルゴリズムに関する深い知識を持ち、正確な解決アプローチ、ステップ、アルゴリズムを指定したい方。エキスパートモードを使用します。
• リレーショナルデータ分析のニーズがある組織：金融のマネーロンダリング防止と疑わしい取引分析（取引ネットワークを構築して異常な資金経路と疑わしいループを発見）、Eコマースのリスク管理（アカウント、デバイス、住所をリンクして組織的な詐欺と関連する悪意のある行動を特定）、企業の関連性とリスク調査、パーク/都市イベント分析（アクセス制御、軌跡、イベントデータから人員関係とイベントの進化を復元）、サプライチェーンリスク分析など、複数のドメインが含まれます。

ハイライト

• 生データ（ログ、ドキュメント、テーブル）からグラフ、最終分析レポートまでのエンドツーエンドのパイプライン。
• 自然言語インターフェース：平易な言語でビジネス問題を説明。グラフアルゴリズムの知識は不要。
• パス、中心性、コミュニティ、フロー、マッチング、クリーク、距離、クエリなどをカバーする200以上の組み込みグラフアルゴリズム。
• AAG フレームワークによる信頼性の確保—計算は制御不能なモデル生成コードではなく検証可能なアルゴリズムモジュールによって実行され、結果は再現可能で追跡可能。
• 問題に関連するエンティティとリレーションシップのみを選択的に構築するタスク認識型グラフ構築。
• 異なるスキルレベル向けの3つの使用モード（ノーマル、インタラクティブ、エキスパート）。
• マルチデータソースサポート：グラフデータと非構造化テキストデータ。
• 実行可能なソースプロジェクトとして配布され、公開された PyPI パッケージ（yigraph 2.0.0）と、Web およびターミナルのインタラクティブインターフェースを提供。