Ricettario RAG con Python (Italian Edition)

Capitolo 9. Graph RAG

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Graph RAG estende il recupero di base con una traversata del grafo d, che ti permette di muoverti attraverso reti di entità e relazioni invece di affidarti solo alla somiglianza semantica di embedding testuali isolati.

I sistemi RAG di base suddividono i documenti in blocchi, li incorporano e si affidano alla ricerca vettoriale per far emergere i contenuti rilevanti. La ricerca vettoriale tratta ogni blocco come un'unità isolata, senza tenere conto di come i vari pezzi si colleghino all'interno di una narrazione più ampia. Quando le informazioni sono distribuite su più parti di documenti lunghi o richiedono dati provenienti da più fonti, questo approccio tralascia il contesto rilevante. Le dipendenze, i riferimenti e le relazioni tra le sezioni vanno persi.

Il RAG grafico colma questa lacuna. Invece di memorizzare il testo solo come embedding, estrae le entità, crea relazioni esplicite tra di esse e combina questa struttura grafica con l'indice vettoriale. Questo produce un contesto più ricco e preciso e preserva le connessioni esplicite tra le entità.

La Figura 9-1 utilizza i dati di un documento contrattuale per illustrare la differenza tra RAG di base e Graph RAG. In una configurazione RAG di base, il sistema mantiene un pool di vettori di embedding isolati. In Graph RAG, ogni frammento di testo è ancorato alla struttura ...