微软开发的GraphRAG构建知识图谱的详细的全过程

微软开发的 GraphRAG 是一种用于构建知识图谱的框架，主要用于增强大型语言模型（LLM）在处理私有数据时的推理能力。以下是 GraphRAG 构建知识图谱的详细全过程：

1. 数据准备与输入

• 输入数据 ：GraphRAG 接收文本数据作为输入，这些数据可以是企业财报、研究文档、业务文档等。输入数据通常以文本文件（如 .txt 或 .csv）的形式存放在指定的输入目录中。

2. 索引阶段（Indexing）

2.1 文本分块（Chunking）

• 文档分块 ：将输入的文档分割成较小的文本块（TextUnits），这些文本块的大小通常以 token 数来衡量，默认情况下每个块大约包含 300 个 token。较大的块可能会导致低质量的输出，但可以加快处理速度。
• 文本嵌入 ：每个文本块会被转换为嵌入表示（embedding），这些嵌入向量将捕捉文本块的语义信息，并在后续阶段用于进一步的处理和图谱生成。
• 块与文档的映射 ：系统会将文本块与文档边界对齐，即一个文档可以分成多个 TextUnits，每个 TextUnit 都与其源文档有一对多的关系。

2.2 实体与关系抽取

• 实体识别 ：使用大型语言模型（LLM）从文本块中提取实体（entities）。每个实体具有四个主要属性：name（名称）、description&#x