生テキストから知識グラフ（G-61）を抽出し、関連の濃いかたまり（コミュニティ）ごとに要約を作っておきます。質問が来たときはこの構造をたどって文脈を組み立てるため、全体を見渡すような問いに強くなります。
生テキストから知識グラフ（G-61）を抽出し、関連の濃いかたまり（コミュニティ）ごとに要約を作っておきます。質問が来たときはこの構造をたどって文脈を組み立てるため、全体を見渡すような問いに強くなります。
社内のマニュアルや議事録のように文書量が多く、「全体としてどんな傾向があるか」を尋ねたい場面で使われます。通常の RAG（G-15）が苦手とする、資料をまたいだ横断的な質問への回答づくりで検討対象になります。
左に「似ている文をベクトルで拾う」通常の RAG、右に「点と線の地図をたどる」GraphRAG を並べる。左は虫眼鏡で文書の山から似た段落を拾う絵、右は地図上のノードをたどって関連する島（コミュニティ）へ辿り着く絵
擬人化ポンチ絵 · 後日差し込み文書を知識グラフに変換してから検索する手法です。
資料全体を横断する質問に答えやすくなります。
索引作りに数万ドルかかった例が報告されています。
社内資料の全体傾向をつかみたい場面で検討します。
まず通常の RAG との探し方の違いから押さえます。
ナレッジグラフ、コミュニティ検出、LazyGraphRAG
Microsoft Research が 2024 年 7 月に最初のリリースを公開したプロジェクト。