microsoft/graphrag

A modular graph-based Retrieval-Augmented Generation (RAG) system

解決する課題

GraphRAGは、知識グラフを活用することで、LLMがプライベートで非構造化されたナラティブデータについてより適切に推論できるようにします。これは、複雑なテキストから構造化された意味を抽出するという問題に対処し、質問回答により的を絞ったコンテキストを提供します。

データパイプラインおよび変換スイートとして機能します。LLMを使用して非構造化テキストから構造化データを抽出し、LLMが出力を強化するために使用できる知識グラフメモリ構造を作成します。

独自のプライベートデータセットに対して、LLMの探索および推論能力を強化する必要がある開発者や研究者。

プロジェクト
rahulnyk/knowledge_graph
ローカルLLMを使用してテキストコーパスをインタラクティブな概念知識グラフに変換するツールであり、高度なテキスト分析およびGraph RAGを可能にします。
プロジェクト
InternScience/GraphGen
知識グラフを使用して知識駆動型の合成データを生成し、LLMの知識ギャップを埋めることで、監督付きファインチューニングを改善するためのフレームワーク。
プロジェクト
HKUDS/LightRAG
知識グラフとベクトル埋め込みを組み合わせることで、効率的で高品質な検索とグローバルなコンテキスト理解を提供する、軽量なグラフベースのRAGフレームワーク。
プロジェクト
LHRLAB/HyperGraphRAG
ハイパーグラフ構造の知識表現を用いて、エンティティ間の複雑な関係をより適切に捉える、Retrieval‑Augmented Generation（RAG）フレームワークです。
プロジェクト
DEEP-PolyU/LinearRAG
LinearRAGは、GraphRAGの関係フリーなグラフ構築手法であり、グラフ構築時にLLMのトークンコストを排除することで、大規模コーパスにおける効率的かつスケーラブルなマルチホップ推論を可能にします。