【大模型之Graph RAG系列之二】对比传统RAG技术中使用的向量搜索技术，知识图谱有哪些优缺点？

向量搜索和知识图谱是两项用于改善搜索体验的重要技术。结合这两种技术形成的Graph RAG可以进一步提高搜索的准确性和上下文相关性。本文将深入对比向量搜索和知识图谱，让读者快速了解这两种技术的原理及优缺点，以便于将来的技术决策。

向量搜索

向量搜索是一种用于在数据集中找到相似项目的技术。它通过以下方式工作：

• 将每个项目转换成向量（数学特征表示）
• 使用距离度量计算向量间的相似度
• 即使查询不完全匹配，也能找到相似项目

知识图谱

知识图谱是一种特殊的数据结构，具有以下特点：

• 将信息表示为节点和关系的网络
• 节点表示实体
• 关系表示实体之间的联系
  

向量搜索和知识图谱的对比

特性	向量搜索	知识图谱搜索
数据结构	高维向量空间	节点和边的图结构
数据类型	文本、图像、音频等嵌入向量	实体（如人、地点、事件）及其关系
搜索方法<