GraphRAG - الاسترجاع المعزز بالرسوم البيانية

GraphRAG (الاسترجاع المعزز بالرسوم البيانية) يمتد خارج نطاق RAG العادي بحيث يقوم أولاً باستخراج رسم بياني معرفي من مجموعة المصادر الكاملة. تمثل العقد الكيانات مثل الأشخاص والمنظمات والمفاهيم والأحداث، وتمثل الأضلاع العلاقات المسماة بينها. في وقت الاستعلام، ينفذ النظام عملية اجتياز لهذا الهيكل البياني لاسترجاع الرسوم البيانية الفرعية المترابطة ذات الصلة، بدلاً من الاعتماد على تشابه التضمينات الكثيفة فحسب للبحث عن أجزاء نصية مستقلة. هذا الوعي الهيكلي يسمح للنظام باتباع سلاسل العلاقات وتجميع المعلومات الموزعة عبر عدد كبير من وثائق المصدر.

يعمل خط أنابيب GraphRAG على مرحلتين. أثناء الفهرسة، يقوم نموذج لغة كبير بمعالجة جميع وثائق المصدر لاستخراج الكيانات المسماة والعلاقات، وتخزينها كرسم بياني، غالباً في قاعدة بيانات رسومية مثل Neo4j أو في هياكل بيانات داخل الذاكرة. تجمع خوارزميات كشف المجتمعات مثل تجميع Leiden العقد المرتبطة بموضوعات مشتركة، ويتم إنشاء ملخصات لكل مجتمع بواسطة نموذج اللغة الكبير. أثناء الاستعلام، ينفذ النظام إما استعلامات محلية - البحث عن عقد كيانات متصلة بشكل وثيق عبر التشابه الشعاعي - أو استعلامات عامة - التجميع على ملخصات المجتمعات للإجابة على أسئلة موضوعية واسعة تمتد على كامل المجموعة. يتم تمرير الرسوم البيانية الفرعية أو الملخصات المسترجعة كسياق إضافي لنموذج اللغة الكبير لإنشاء الإجابة النهائية.

RAG المبني على متجهات كثيفة يتعامل بفعالية مع استعلامات البحث المباشرة ولكنه يواجه صعوبة مع الأسئلة التي تتطلب توليفاً عبر عدد كبير من الوثائق أو استدلالاً علائقياً متعدد الخطوات - مثل تحديد العلاقات التجارية غير المباشرة، أو تتبع مصدر مطالبة معينة عبر عشرات المصادر، أو تلخيص موضوع ينشأ فقط من قراءة عدة وثائق معاً. يتعامل GraphRAG بشكل أفضل بكثير مع هذه الاستعلامات الشاملة والعلائقية. المقايضة الرئيسية هي تكلفة الفهرسة الأعلى، حيث يجب أن تعالج عملية استخراج الكيانات القائمة على LLM المجموعة الكاملة مقدماً، بالإضافة إلى تكاليف التخزين المستمرة للرسم البياني.

نشرت مايكروسوفت إطار عمل GraphRAG كمصدر مفتوح في يوليو 2024، مع بحث يوضح تحسينات جوهرية على RAG التقليدي في معايير الإجابة على الأسئلة على مستوى المجموعة المعقدة. اعتباراً من 2026، تم دمج مبادئ GraphRAG في منتجات إدارة المعرفة للمؤسسات ومنصات ذكاء المستندات من عدة بائعين. تبرز البنى المختلطة التي تجمع بين استرجاع متجهات كثيفة للاستعلامات البحثية البسيطة وعبور الرسم البياني للاستعلامات العلائقية كمعيار عملي ناشئ لقواعد المعرفة الضخمة في المؤسسات.

مثال

“تقوم شركة أبحاث استثمارية ببناء نظام GraphRAG على عشر سنوات من نصوص مكالمات الأرباح وملفات SEC؛ يسأل المحللون أي المديرين التنفيذيين عبر شركات المحفظة قد استشهدوا بشكل متكرر بمخاطر سلسلة التوريد، والنظام يعبر علاقات الكيانات لتجميع ملخص مصدري شامل عبر الشركات في غضون ثوان.