为什么说知识图谱 + RAG > 传统 RAG？

2024-07-23
浙江
本文字数：3121 字
阅读完需：约 10 分钟

近期，微软开源 GraphRAG 的新闻成为热门话题。GraphRAG (Graph-Augmented Retrieval-Augmented Generation) 是一种基于图的检索增强生成技术，结合了知识图谱和传统的检索增强生成（RAG）方法，旨在提升大语言模型处理私有数据集问答的能力。

本文从知识图谱的原理等角度，结合一个 GraphRAG 的生动类比，说明了为什么知识图谱+RAG 的方案优于传统的 RAG 方案。

作者介绍：Divyanshu Dixit，Divisin.ai 联合创始人
原文链接：https://div.beehiiv.com/p/knowledge-graph-rag-naive-rag

以下为译文：

01 什么是知识图谱？

你是否曾觉得自己的大脑充斥了一团乱麻般的随机事实？知识图谱模拟了我们大脑思考事物，以及事物间关系的方式，同时又规避了大脑会遗忘和错误决策等问题。

我们可以将知识图谱视为带了主语、谓语和宾语的三元组。它们将信息表示为一个由相互连接的实体组成的网络，以及实体之间的关系。本质上，知识图谱利用基于图的数据模型，其中节点代表实体（如人、地点或概念的主体和宾语），边表示这些实体之间的关系或谓语。

OpenSPG 是一个语义增强的可编程知识图谱，GitHub 地址如下，欢迎大家 Star 关注~

https://github.com/OpenSPG/openspg

换句话说，你可以把知识图谱看做是对经典"六度分隔"理论的数据层面的呈现，而且它不仅仅是将你连接到 Kevin Bacon，而是在一个广阔而多维的关系网络中链接所有可能的实体。

图片来源：Langchain

知识图谱的真正魔力在于其近乎超自然的连接数据能力，而且灵活且可扩展。知识图谱能无缝整合各种数据源，包括结构化和非结构化数据。这种融合创造出信息的统一视图，常常揭示出隐藏的联系和模式。先进的知识图谱融合了本体和语义 Schema，为领域中的概念及其相互关系提供了正式的定义。

这个语义层提升了图谱的逻辑推理能力，支持诸如传递闭包这样的操作，可以根据已有的关系推导出新的关系。例如，如果图谱中包含"约翰住在旧金山"和"旧金山在加利福尼亚"的信息，即使没有明说，知识图谱也能正确地推断出"约翰住在加利福尼亚"这个事实。

图片来源：Neo4j 博客

02 知识图谱的应用场景

那么知识图谱的应用场景有哪些呢？

我们可以通过延时、持久性和查询类型这三个维度的框架，去理解知识图谱在各种应用场景中的多样化。在分析方面，知识图谱在处理即时查询和系统性分析方面表现出色，从实时的客户洞察到复杂的财务建模都能实现。

另外，知识图谱具有持久数据存储和快速检索的能力，这在复杂的推荐系统和以用户为中心的界面中至关重要。在算法方面，知识图谱非常擅长处理系统查询，尤其是高级自然语言处理和链路优化。这进一步佐证了我们之前提到的灵活性，即既能处理实时分析，又能支持持久的系统数据结构。

这也是为何去年年底知识图谱技术会这么流行的原因，也就引出了今天的话题——GraphRAG 才是王道！

03 什么是 GraphRAG？

今年 4 月，微软研究团队 GraphRAG 的论文一经发布，就得到了业界的关注。7 月初，Graph RAG 在 GitHub 上开源，短短半个月，star 数量就达到 12k！

那么，GraphRAG（GRAG）究竟是什么呢？下面我们将从 GraphRAG 的论文开始介绍：

图片来源：Arxiv，《GRAG: Graph Retrieval-Augmented Generation》

为了让你更容易理解，我和 Sonnet 3.5 一起头脑风暴讨论出了一个关于 GraphRAG 的形象解释：

GRAG 就像是信息世界中最优秀的城市规划师。传统的 RAG 方法就像游客随意向行人问路，而 GRAG 则是了解城市每个角落的市长。它不仅了解单个建筑（或信息片段），还能看到整个城市的全貌，牢记错综复杂的街道、街区和社区网络。这种鸟瞰式的视角让 GRAG 能够像一个熟知所有捷径的老司机一样，高效地在这些街道中穿梭。

图片来源：arXiv，《GRAG: Graph Retrieval-Augmented Generation》

GRAG 之所以引人注目，是因为它能够识别并探索任何给定问题的相关“街区”（子图）。利用其“软修剪”技术（主要针对无关信息），GRAG 可以清理这些邻域，去除杂乱无章的信息，突出最相关的特征。然后，通过同时运用城市规划语言（图结构）和地方方言（文本信息）的双重提示，GRAG 作出的回答不仅能捕捉事实，还能揭示城市景观的丰富背景和内在联系。这就好比从一位长期居住在本地的历史专家那里获取的内部信息，远胜于任何旅游指南所能提供的信息。

微软《From Local to Global》的论文，将其应用于聚焦查询的总结，用自然语言总结知识图谱的内容以便检索。沿用之前的类比，我们可以将 GraphRAG 看作是知识库（或城市）的高级城市规划和信息检索系统。这个系统的运行主要分为两个阶段：索引和检索。

在索引阶段，城市规划者（LLMs）首先将城市景观（原始文档）划分为可管理的区域（文本片段）。然后，他们调查每个区域，识别关键地标和连接（元素实例）——这就像标定重要的建筑物、公园以及连接它们的道路。这些个体元素随后被总结为简洁的描述（元素摘要），就像为每个社区地标创建简短的概况。

接着，利用先进的城市分析工具（如 Leiden 社区检测算法），规划者将这些元素分组为自然社区，就像在城市中识别出不同的街区或行政区一样。最后，他们为每个社区制作详细的“社区报告”（社区摘要），提供一个丰富、多层次的全城指南。通过索引阶段，我们就创建了一个全面、分层次的、从单个建筑到整个区域的城市景观理解。

图片来源：Arxiv，《From Local to Global: A Graph RAG Approach to Query-Focused Summarization》

当需要进行检索时，GraphRAG 在处理全局范围的查询时表现出色。它不会向随机位置派遣调查员，而是参考预先准备的社区报告。每个社区以其本地视角对全局问题作出贡献，就像城市规划师结合各个行政区的反馈来理解全市趋势一样。这种方法在处理“全局”问题时特别有效，给到答案的广度和多样性方面都优于传统方法。

论文中还提到了一个非常有趣的结论，文本块的大小至关重要。例如，使用 600 个 token 比使用 2400 个 token 可以获得更多的提取实体（见上图）。但这需要做一些平衡，因为文本块太小可能会导致上下文信息丢失。

正如我们之前多次讨论过的，在使用大模型时，我们总是要在成本、延迟、隐私和准确性之间进行平衡。图的性能伴随着更多的 token 数量和推理时间，因此采用与否在很大程度上取决于具体的应用场景，以及基于图的摘要是否是最优方案。

图片来源: Gradientflow 博客

04 关键区别：GraphRAG vs PAPTOR

这时可能有人会问，GraphRAG 与目前 RAG 技术中常用的 RAPTOR 有何不同。可以沿用之前的比喻概括一下，如果把 RAPTOR 看作是建筑师在设计一栋多层的高楼，从每一层楼向下看，都能看到城市的不同细节：

一楼有特定地点的详细信息；
随着楼层的上升，每层都提供一个更概括的视角，覆盖更大的区域；
顶层可以鸟瞰整个城市。

回答问题时，Raptor 会在这栋大楼中上下移动，根据需要从不同楼层收集信息。对于需要结合具体细节和宏观背景的复杂问题，它尤其有效。

图片来源：Arxiv，《RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval》GraphRAG vs RAPTOR 的主要区别如下：

GraphRAG 侧重于城市不同部分之间的联系（实体之间的关系），而 Raptor 则按信息的抽象程度来组织信息；
GraphRAG 最适用于需要全面了解整个城市的问题，显示所有事物之间的相互关系。Raptor 则擅长处理需要将城市不同部分的具体细节拼凑在一起，同时保留更广泛背景的问题。
GraphRAG 的优势在于展示城市的多样性和相互关联性。Raptor 的优势在于能在详细信息和摘要信息之间有效切换。