Поиск
Графы и сети

Knowledge Graphs

Графы знаний

новинкаНовое или быстро растущее направление

Факты в виде троек «субъект — предикат — объект». Структурированная память, которую всё чаще подключают к языковым моделям.

Ключевые тезисы

  • Эмбеддинги троек (TransE, RotatE) позволяют искать недостающие факты.
  • GraphRAG использует граф знаний как источник контекста и связей между документами.
  • Главная стоимость — не алгоритмы, а построение и поддержание онтологии.

Подробный разбор

2 подтем — раскройте любую, чтобы увидеть объяснение, формулы, примеры и интерактивные графики.

1

Эмбеддинги троек

Как предсказывать недостающие факты.

Отношение — сдвиг в пространстве сущностей
  • TransE прост, но не умеет моделировать отношения «один ко многим».
  • RotatE представляет отношение поворотом в комплексном пространстве — покрывает симметрию и инверсию.
  • Оценка: Hits@10 и MRR на отложенных тройках.
2

GraphRAG

Граф знаний как контекст для языковой модели.

Обычный RAG ищет похожие фрагменты, но плохо отвечает на вопросы, требующие связывания фактов из разных документов. GraphRAG строит граф сущностей и связей, а затем подаёт в контекст не только текст, но и подграф вокруг найденных сущностей.

  • Хорошо работает для вопросов «как связаны A и B» и для сводных ответов по коллекции.
  • Стоимость построения графа высока: извлечение сущностей и связей по всему корпусу.
  • Практичный компромисс — гибрид: обычный retrieval плюс граф только для ключевых сущностей.

Связанные темы

Машинное обучение на графах

Graph Basics85%

Основы графов · Графы и сети

Вершины, рёбра, веса и направления. Матрица смежности и список рёбер — два способа хранить одно и то же.

Centrality85%

Центральности · Графы и сети

Меры важности вершины: по числу связей, по посредничеству, по близости и по влиянию соседей.

PageRank85%

PageRank · Графы и сети

Стационарное распределение случайного блуждания по графу с телепортацией. Классический алгоритм ранжирования, который до сих пор используется как признак.

Community Detection85%

Поиск сообществ · Графы и сети

Разбиение графа на плотно связанные группы: клиенты одного круга, связанные аккаунты, тематические кластеры документов.

Graph Embeddings85%

Графовые эмбеддинги · Графы и сети

Векторные представления вершин, в которых близость отражает связанность в графе.

Graph Neural Networks85%

Графовые нейросети · Графы и сети

Нейросети, работающие прямо на структуре графа: представление вершины обновляется по представлениям соседей.

Message Passing85%

Передача сообщений · Графы и сети

Единая схема, к которой сводятся почти все архитектуры GNN: собрать сообщения от соседей, агрегировать, обновить состояние.

Link Prediction85%

Предсказание связей · Графы и сети

Задача «появится ли ребро между вершинами»: рекомендации друзей и товаров, достройка графов знаний.

Network Motifs85%

Мотивы и триады · Графы и сети

Маленькие повторяющиеся подграфы, встречающиеся чаще, чем в случайной сети. Хорошие признаки для классификации вершин.

Clustering85%

Кластеризация · Обучение без учителя

Разбиение объектов на группы похожих без заранее известных меток.

Eigenvector85%

Собственный вектор · Математический справочник

Направление, сохраняющееся при линейном преобразовании с точностью до масштаба.

← Link Prediction