福建
10月17日，南威软件集团技术委员会成功举办GraphRAG技术分享会。此次分享会邀请人工智能与数据服务业务群技术负责人聂旋作为主讲嘉宾。他深入剖析GraphRAG核心技术，并结合发展趋势及案例等，为与会者带来了一场智慧盛宴。此次分享会汇聚集团各业务群技术人才等线上线下近百人，共同探讨GraphRAG技术的最新进展和其在各个领域的应用前景。
会上，聂旋首先详细阐述了GraphRAG的基本原理和技术优势。GraphRAG通过结合图数据结构和语言模型，实现了对大规模知识图谱的高效检索和生成。相较于传统的RAG技术，GraphRAG在查询聚焦摘要等任务中表现出色，能够更准确地捕获文本间的结构化关系，减少冗余信息，从而全面掌握全局信息。
在GraphRAG概述环节，聂旋详细介绍了图数据的来源、分类以及基于图的索引方法，并重点介绍了检索器、检索范式以及检索粒度的选择和应用。他指出，开放知识图谱和自建知识图谱为GraphRAG提供了丰富的图数据资源。在检索阶段，单次检索、迭代检索和多阶段检索等不同的检索范式，为提高检索信息的相关性与深入性提供了有力支持。在生成阶段，GraphRAG将检索到的图数据与用户查询进行有效融合，以提升回答质量。对于生成器的选取，聂旋强调应取决于下游任务类型，对于判别类任务或可转化为判别类任务的生成任务，可采用GNNs或判别语言模型来学习数据的表征。而对于纯粹的生成任务，则需要部署专门的解码器来实现。此外，聂旋还介绍了混合模型的概念，即将GNNs和语言模型相结合，以生成更加连贯、自然的回应。
最后，聂旋分享了GraphRAG在生物医学、政企知识、司法和法律等领域的实际应用案例。通过具体案例，展示了GraphRAG在提升问答系统性能、优化知识图谱构建等方面的显著成效。其中，南威獬豸AI阅卷系统已结合GraphRAG、大模型等技术能力，服务于算法落地的应用中，以满足司法卷宗长文本解析。聂旋总结，动态与自适应图、多模态信息整合、可扩展且高效的检索机制以及与图基础模型相结合等方向，将是GraphRAG技术未来的重要发展趋势。
聂旋作主题分享
在人工智能快速发展的今天，检索增强生成(RAG)技术正在不断革新。GraphRAG这一突破性技术，为我们带来了一种全新的RAG实现方式。南威软件集团将持续加大对GraphRAG技术的应用推广力度，推动该技术在更多领域的应用和创新发展，为信息技术产业的繁荣发展贡献力量！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
