已验证65% 置信事实时间未知

GraphRAG通过社区检测算法（如Leiden算法）对知识图谱进行层次化聚类，生成不同粒度的社区摘要

3

来源数

65%

置信度

长期有效

时效性

2026/6/3

首次发现

来源

企业级RAG项目实战：从原理到部署全流程解析

bilibili大模型教程

涉及实体

GraphRAGconcept Leiden算法concept

相关事实

待验证Graph RAG通过知识图谱的实体和关系图遍历来处理多跳推理类问题，适用于文档间关系复杂的场景67% 相似待验证GraphRAG（基于知识图谱的检索增强）和Contextual Retrieval（上下文感知检索）是RAG技术的近期进展65% 相似待验证图数据库将关系作为一等公民存储，使多跳关系查询可通过图遍历算法在毫秒级完成，无需执行代价高昂的多表JOIN操作64% 相似待验证相似度/语义搜索任务用向量RAG，关系密集型任务用GraphRAG63% 相似待验证系统后台提供数据统计功能，可生成社团相关报表数据63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/40038

API

curl https://kongchang.com/api/v1/knowledge/claims/40038

MCP

get_claim(id=40038)