← Каталог

· 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