Hugging Faceフォーラムのユーザーは、文書が知識グラフ内のノードとして保存され、リランカーによって取得されるRetrieval-Augmented Generation (RAG)のアプローチを提案しています。クエリ自体が新しいノードとなり、リランカーによって識別された最も類似したノードに接続します。

  • 文書やテキストセクションは知識グラフ内のノードとして保存されます。
  • リランカーはクエリに基づいて文書を取得し、コンテキスト付きRAGよりも高い精度を提供する可能性があります。
  • クエリは最も類似したノードとの接続を確立する新しいノードになります。
  • この方法は、ノード抽出に使用されるLLMの制限に対処します。LLMは粗い粒度のラベルやキーワードのみを生成する場合があります。

ユーザーは、リランカーがコンテキスト付きRAGよりも精度が高い可能性がある一方で、LLMベースのノード抽出は粗い粒度のラベルを生成する可能性があると指摘しています。