graphrag笔记

最新推荐文章于 2024-09-01 23:06:50 发布
最新推荐文章于 2024-09-01 23:06:50 发布
阅读量137 收藏
点赞数 2
文章标签： 笔记 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42586726/article/details/141185093
版权

graphrag交通场景的应用

记录一下利用graphrag处理交通场景的法律文档(中文)的过程，希望和同方向的同学们交流一下。

环境配置

Ubuntu：20.04
LLM：qwen2-7b/72b
embedding：o200k_base

调优过程

1.修改了四个prompt：entity_extraction.txt、claim_extraction.txt、community_report.txt、summarize_descriptions.txt
注：每个txt中的例子都改为了基于法律文献的内容，其他内容仍是英文
2.修改setting.yaml中的实体类型，改为中文
3.全局搜索和局部搜索的prompt仅进行微调
4.想针对客户可能提问的问题设计分场景的prompt（暂时没有思路）

参考链接：graphrag实践-交通法问答场景 （一）

Always trying~
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
GraphRAG阅读笔记
andeyeluguo的博客
07-30 173
比如“这个数据集的主题是什么？一种方案是把整个数据集送入模型，那太大了。我寻思把多个搜索的结果放到RAG中就行呗。Element instances 元素实体，包括node(节点，或称entity),edge(边，或者称关系)Community summaries 社区发现，把某些节点看成一个社区，一个村落。普通(naive)RAG无法在涉及到全局或者多个页面的问题上得到很好的结果。Text chunks 把文档切分成几块。对graphrag的论文进行阅读。
GraphRAG手调Prompt提取自定义实体
weixin_58753619的博客
07-27 889
调查论文《A Survey on Retrieval-Augmented Text Generation for Large Language Models》由Yizheng Huang和Jimmy Huang撰写，于2024年4月17日发表。该论文详细探讨了RAG如何结合检索方法与深度学习进展，以解决大型语言模型（LLMs）的静态限制问题，通过动态整合最新的外部信息来增强模型的准确性和可靠性。
Microsoft graphrag 中使用的 prompts 中英文版
engchina的专栏
07-27 347
Microsoft graphrag 中使用的 prompts 中英文版
GraphRAG中模板提示词中文版
weixin_46248339的博客
07-18 1259
目标活动-你是一名智能助手，帮助人类分析师分析文本文件中针对某些实体的声明。-目标-给定一个可能与此活动相关的文本文件、一个实体规范和一个声明描述，提取所有符合实体规范的实体及其针对这些实体的所有声明。-步骤-1. 提取所有符合预定义实体规范的命名实体。实体规范可以是实体名称列表或实体类型列表。2. 对于步骤1中识别的每个实体，提取所有与该实体相关的声明。声明需要符合指定的声明描述，并且实体应为声明的主语。对于每个声明，提取以下信息：- 主体：声明的主体实体名称，需大写。
GraphRAG学习小结（4）
wanxueyao的博客
08-09 1116
文件位置原文#######-Data-#######Output:"""翻译结果"""包含prompts定义的文件。"""您是一名得力助手，负责为下面提供的数据生成一份综合摘要。给定一个或两个实体，以及一个描述列表，所有描述都与同一个实体或实体组相关。请将所有这些描述串联成一个全面的描述。确保包含从所有描述中收集的信息。如果所提供的描述相互矛盾，请解决矛盾，并提供一个单一、连贯的摘要。确保以第三人称撰写，并包含实体名称，以便我们了解全部背景情况。
微软GraphRAG的自动化生成提示模板部分代码详解
qq_52159267的博客
08-01 752
定义一个枚举类型，表示文档选择的方法。枚举值包括ALLRANDOMTOP和AUTO。重写__str__方法，返回枚举值的字符串表示):Parameters----------"""llm: 用于生成提示的语言模型。config: GraphRag 配置对象。doc_list: 要使用的文档列表。: 存储提示的路径。reporter: 进度报告器。domain: 输入文档所属的领域。language: 文档的语言。max_tokens: 实体提取提示的最大令牌数。
动手实现GraphRAG，检索效果大幅提升
m0_59164304的博客
08-04 934
未来，人工智能在商业领域的影响力将日益增强。那些能够将人工智能技术有效融入其业务运营的公司，将具备更快的创新速度、更优质的客户服务体验，以及更高效的流程优化能力。GraphRAG技术的出现，仅是人工智能潜力的冰山一角。随着时间推移，人工智能将变得更加精密复杂。它将不仅能够理解问题，还能生成贴近人类思维的回答。预计不久的将来，企业将见证一种新型人工智能系统的诞生——这些系统不仅能够回答问题，还能基于海量数据分析提供战略性的见解和建议。
最近火爆的GraphRAG是什么？真的那么有用吗？
07-29 482
在深入了解GraphRAG之前，我们首先需要了解传统的RAG（Retrieval-Augmented Generation）模型的工作流程。问题检索：用户提出问题后，系统会在向量数据库中进行检索。段落提取：系统检索出与问题含义相似的段落（trunks）。生成回复：将这些段落与问题结合，形成一个提示（prompt），最终生成回复。在这个过程中，向量数据库通常指向企业知识库。GraphRAG为传统RAG提供了一种新的思路，通过知识图谱的构建和信息的层次化整理，提升了信息检索的效率。
【LLM大模型】GraphRAG入门学习流程
Langchain的博客
07-30 869
GraphRAG 是一种基于图的检索增强方法，由微软开发并开源。它通过结合LLM和图机器学习的技术，从非结构化的文本中提取结构化的数据，构建知识图谱，以支持问答、摘要等多种应用场景。GraphRAG的特色在于利用图机器学习算法进行语意聚合和层次化分析，从而能够回答一些高层次的抽象或总结性问题，这是常规RAG系统的短板。
【Neo4j 】学习笔记：GraphRAG 宣言：为 GenAI 添加知识
突围
07-15 448
GraphRAG 宣言：为 GenAI 添加知识
『大模型笔记』GraphRAG：利用复杂信息进行发现的新方法！
AI新视界
07-09 565
我们通过向两个系统提出以下问题来说明整个数据集的推理能力：查询：“数据中的前五大主题是什么？
『大模型笔记』GraphRAG：用于复杂数据发现的新工具现已在GitHub上发布
AI新视界
07-09 2039
GraphRAG：用于复杂数据发现的新工具现已在GitHub上发布
本地电脑大模型系列之 09 使用 GraphRAG 和 Ollama 实现经济高效的本地模型推理(教程含源码)
iCloudEnd的博客
07-15 643
GraphRAG Local Ollama 旨在支持本地模型，使其成为依赖昂贵 OpenAPI 模型的经济高效的替代方案。通过利用使用 Ollama 下载的本地模型，您可以进行高效的推理而无需承担高昂的成本。
15.9K Star！知识库RAG还能这么玩？基于 GraphRag 打造知识图谱增强的 LLM - 以解读《红楼梦》为例
u010522887的专栏
08-25 642
GraphRag 助力 RAG 玩出新高度
Prompt、RAG、微调还是重新训练？选择正确的生成式 AI 的方法指南
叶庭云 成为自己的光
08-17 2488
Prompt、RAG、微调还是重新训练？选择正确的生成式 AI 的方法指南
从RAG到GraphRAG的应用落地揭秘
人工智能曾小健
05-21 1443
RAG（检索增强生成）是什么？正如提到的那样，它是一种技术，可以“良好”地解释用户的查询，检索“相关”信息，将其处理为上下文，然后将此有用信息融入回复中。正如引用的网站所指出的，RAG以其成本效益、相对准确性、提供领域特定语境的充足性、反映最新信息的能力以及追踪信息来源文档的透明度和可解释性等特点而被认为是一种主要选择的方法。
【学习笔记】卫星通信NTN 3GPP标准化进展分析（六）- 参考标准
最新发布
u011376987的博客
09-01 1115
本文总结了NTN标准化进程以及后续的研究计划，是学习NTN协议的入门。本文来自3GPP Joern Krause, 3GPP MCC。
12306项目学习笔记（框架篇Base）
qq_74851649的博客
08-30 1121
首先学习的是基础框架提供了一种静态方式来访问Spring容器中的Bean，适用于某些特定场景，如工具类和框架集成。在12306项目中由于我们引入了RocketMQ消息队列，这些库的对象通常不是Spring管理的，无法直接使用@Autowired注入，所以需要类提供一种静态方式来访问Spring容器中的Bean。比如在我们的TicketServiceImpl中的bean对象就是用以下方法获取的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值