#知识图谱
共 59 篇相关文章

GraphRAG:超越搜索,实现全局知识发现
GraphRAG 是微软研究院推出的知识图谱增强检索技术,超越传统 RAG 的局部搜索,实现全局性知识发现。本文介绍其核心理念、代际演进及医疗领域应用案例。

AI知识图谱能否独立于代码克隆?
探讨AI知识图谱能否脱离操作代码独立克隆,分析数据层、语义层与行为层克隆的可行性差异,以及嵌入模型、推理规则与隐式依赖带来的架构挑战。

传统RAG与上下文图谱:如何判断谁更胜一筹?
传统RAG与上下文图谱如何选型?本文从查询复杂度、数据结构、评估指标三个维度给出判断框架,并探讨混合方案为何常是最优解,帮助开发者做出匹配业务需求的技术决策。

AutoOntic:从文本自动归纳本体,构建高质量知识图谱
AutoOntic 是一种从文本自动归纳本体的流水线,通过规范化实体类型和关系、归纳层级结构、挖掘 domain/range 约束,显著提升知识图谱质量。在 Text2KGBench 上超过 90% 的类型与参考本体语义对齐,MINE 数据集检索准确率达 88%。

越南法律知识图谱:溯源每个法律答案的引用依据
越南法律知识图谱将109,543个问答与573,851份法律文件连接,通过五阶段方法构建11.5M节点图谱,揭示36%答案引用失效法律等问题,提升法律问答可追溯性。

符号层加持:Agentic GraphRAG如何实现确定性推理
本文解读一篇关于Agentic GraphRAG的研究,介绍如何通过类型化中心性构建符号层,为LLM提供确定性知识,并在POLE数据集上验证了生成一致性的提升。

Row-Bot记忆机制解析:知识图谱与混合搜索如何实现跨对话记忆
Row-Bot技术讲解视频揭示其集成记忆机制:知识图谱构建结构化记忆,混合搜索与排序精准召回,Dream Cycle离线整理记忆,并明确本地与云端数据边界及记忆失效环节。

Graphify:让AI Agent不再逐文件读取项目
Graphify 将项目代码、文档与 PDF 转化为本地知识图谱,让 AI agent 不再逐文件读取,直接查询函数与依赖关系,建图不消耗 AI token 且完全免费,GitHub 获 142000 stars。

LLM遇上知识图谱:多跳推理与幻觉抑制基准测试
一项新基准研究评测GPT-5.1、Gemini 2.0 Pro、Llama 3、Qwen与BioGPT在五个异构知识图谱上的多跳推理表现,发现通用模型在高阶推理上占优,且图接地能普遍降低幻觉率。

选择性检索路由:多违规知识图谱修复的新范式
本文介绍了一种用于多违规知识图谱修复的选择性检索路由框架,通过LLM修复代理与动态路由器控制外部证据访问,在建筑自动化数据集上实现了更高效的修复,平衡了修复质量与令牌消耗。

ArcRAG:无需与图结构协同设计的智能体检索新范式
ArcRAG提出推理时诱导查询本地图接口的方法,使检索器无需与知识图谱构建方式协同设计,在模式引导图和开放信息抽取图上均保持有效,实验覆盖MuSiQue、HotpotQA和TriviaQA。

置信度更准,知识图谱审计为何仍难改进?
研究揭示LLM知识图谱审计中置信度提升与审计效果之间的差距:通过可修复性、选择余量和标签有效性分析,发现审计策略结构比置信度精度更影响残余错误,跨文档图上联合模型与简单队列差异显著。

OntoDoc:多智能体框架自动生成本体资源描述
OntoDoc 是一个多智能体框架,可自动为知识图谱中的任意 IRI 生成自然语言描述。它通过四阶段流水线整合 SPARQL 查询与网络百科知识,在生物医学、农业和跨领域评估中,完整性显著优于基线方法。

剥开套娃:从检索嵌入中提取本体结构
论文提出PEEL方法,利用Matryoshka嵌入中前缀长度与分类粒度的对齐特性,通过轻量探针从冻结检索嵌入中解码本体结构,无需文档语料即可高保真恢复分类DAG,并支持跨领域迁移。

无模式Text-to-SQL:从查询日志学习企业数据库结构
新研究提出首个无需模式文档的Text-to-SQL框架,从历史查询日志构建知识图谱并引入实体驱动GraphRAG检索,在Beaver基准上执行有效性达95.7%,远超嵌入检索的60.8%,为模式模糊的企业数据库提供自然语言接口新路径。

yggy:自建知识图谱的AI工具,告别无源RAG
yggy 是一款自建知识图谱的 AI 工具,无需模式设计,自动从文档中抽取实体关系,保留来源并支持可逆合并。通过 API 和 MCP 服务团队与 AI 代理,欧盟托管保障数据主权。

知识三元组:在LLM向量空间锚定品牌
解析AI搜索时代的向量碰撞问题,详解工程知识三元组如何通过句法结构化、Wikidata链接Schema和交叉编码器验证,在LLM向量与图空间中确定性锚定品牌。

知识图谱如何拯救“不完美提示词”?企业数据助手新设计
企业LLM数据助手常因用户提示词不完美而失效。本研究在CFO部门数据湖中对比模式相似度与知识图谱两种语义中介方案,模拟评估显示知识图谱在精确率、召回率、F1和用户意图保留上全面胜出,为企业数据助手设计提供新原则。

