· AI Engineer World's Fair 2025
Графовый интеллект: как улучшить рассуждения и поиск с помощью графовой аналитики
Graph Intelligence: Enhance Reasoning and Retrieval Using Graph Analytics
Граф похожих документов и кластеризация по сообществам помогают находить дубли и мусор в RAG-базе и схлопывать их без потери источников.
- Дубли в выдаче — KNN с K 25 по эмбеддингам связывает похожие чанки. В одном сообществе нашлись 49 почти идентичных чанков со средней похожестью 0.98, и retriever по топ-10 вернёт почти одинаковые куски без контекста.
- Схлопывание без потери источников — функция APOC для схлопывания узлов объединяет дубли в один узел и сохраняет связи со всеми исходными документами и URL. Эмбеддинг ищется один раз, а происхождение остаётся видно.
- Мусор по сообществам — агрегаты по кластеру помогли найти группу чанков с медианным числом слов, равным одному, то есть бесполезные фрагменты веб-страниц. Рейтинги ответов по сообществам показывают, какие группы документов пользователи оценивают хуже остальных.
- Важность документов — PageRank и betweenness показывают документы, которые чаще всего попадают в ответы, и «мостовые» документы между темами. Спикер предлагает взвешивать их в re-ranking, чтобы выдача охватывала больше тем.
Кому полезно: тем, кто строит RAG на большой базе документов и видит повторы в выдаче.
Статья по теме
Главы
Ещё доклады: Andreas Kollegger
Страница спикера →Похожие доклады
Одних векторов недостаточно: гибридный поиск и извлечение данных
AI Engineer World's Fair 2026
Близко по содержанию
Нужны ссылки: происхождение данных в графах знаний, созданных LLM
AI Engineer World's Fair 2026
Близко по содержанию
Не используйте RAG как память
AI Engineer World's Fair 2025
Близко по содержанию

