81.高级RAG-知识图谱RAG说明

内容参考于图灵AI大模型全栈KNOWLEDGE GRAPH FOR RAG知识图谱RAG向量它都是通过语义进行检索我们的问题通过RAG中某个节点进行语义对比 这种它适合于存在具体的答案和问题如果是总结性很广泛的问题向量就不好检索了比如xx年做了什么事情我们向量的RAG都是把文档进行分割把分割后的内容做向量如果我们问xx年做了什么事情这样的机制就没办法回答好知识图谱出来的原因就是因为向量RAG分割机制导致的广泛性问题回答不好知识图谱最核心的点我们在看犯罪片的时候我们的警察会针对罪犯画一张关系图如下图的样子张某跟苏姐的关系高小军跟小周的关系等我们就可以通过张某找苏姐可以通过高小军找小周就是通过关系图xx找xx这样就可以解决xx年做了什么事情这个问题回答的不好了如果用之前的单纯向量的RAG是肯定没办法通过文档做到这件事的纯向量RAG是一定要找到跟这句话相关的才可以没办法通过xx找xx注意下图是用ai生成的关系可能很乱但是就这么一个意思知识图谱的概念由谷歌在2012年5月17日提出它的初衷是为了提高搜索引擎返回的结果提高结果的质量如下图知识图谱最核心的概念节点和边下图红框的就属于节点蓝框的就是边就是说节点是代表了具体的事情边是用来表示事情和事情之间的关系这里的事情比如说人物、地点、物品等也就是两个节点之间的关系图谱的分类图谱分为LPG和RDFLPG在节点和边的基础上增加了标签和属性便签和属性是之间写到节点里的标签就是用来描述当前节点属于什么比如人、日常用品、家用物品等属性就是用来描述它的特征比如人的特征是帅气、有钱、美女日常用品比如卫生纸可以擦东西这样的标签和属性都是可以写多个的因为一个节点的特征会存在多个比如张某这个节点的标签可以是人、毒枭、黑社会这样的属性就可以写 经常在xxx地方活动、长相凶悍这样的标签和属性就跟对节点写的一个备注一样RDF它只有节点和边LPG中的标签和描述它搞成了节点然后通过边来进行关联比如现在的节点 张某、毒枭、人、黑社会、xxx地方、凶悍这六个节点然后通过边进行描述毒枭和张某用边来关联边的内容就是身份人和张某用边来关联边的内容就是生物类群黑社会和张某用边来关联边的内容就是身份xxx地方和张某用边来关联边的内容就是经常出没凶悍和张某用边来关联边的内容就是长相构建知识图谱1.知识定义和本体构建2.知识获取和抽取3.知识融合与对齐4.知识存储5.知识应用和推理这5个流程知识定义和本体构建它做的事情是先固定一下当前知识图谱的业务方向比如公司方向要有人物、公司、产品、人物名、出生日期、职位等这些描述知识获取和抽取它做的事情是从各种各样的文档中抽取出具体的信息比如具体的人物、具体的公司、具体的产品就是之前通过 知识定义和本体构建 定义的方向从文档中获取具体的真实的内容知识融合与对齐它做的事情比如在文档中找到了苹果这个词苹果这个词指的是手机还是水果这一步做的事情就是区分这种事情知识存储它做的事情我们做好的知识图谱肯定要存起来这一步就是把我们的知识图谱保存起来LPG模式数据库Neo4j、Nebula GraphRDF模式数据库Apache Jena、Virtuoso知识应用和推理它做的事情就是把知识图谱用起来我们不能只把知识图谱存起来就完了还要用起来