GraphRAG: bilgi grafiği klasik RAG'a ne katar

GraphRAG ve bilgi grafiği nedir?

Bilgi grafiği (knowledge graph), bilgiyi "varlıklar" ve aralarındaki "ilişkiler" olarak tutan bir veri modelidir. Örneğin "Tedarikçi A" bir düğüm, "Ürün B" başka bir düğüm, "tedarik eder" ise bu düğümleri bağlayan ilişkidir. Bu yapı, metin yığını yerine bağlantılı bir harita sağlar.

GraphRAG, büyük dil modeli yanıt üretmeden önce ilgili bilgiyi bu grafik üzerinden bulup modele vermesi yaklaşımıdır. RAG'ın (retrieval-augmented generation, erişimle güçlendirilmiş üretim) grafik temelli bir türüdür.

Klasik RAG'dan farkı

Klasik RAG belgeleri parçalara böler, her parçayı vektöre çevirir ve soruya anlamca en yakın parçaları bulur. Bu, tek bir parçada cevabı olan sorularda iyi çalışır. Ancak cevap birçok belgeye dağılmışsa, ya da soru "bu konuda genel tablo nedir" türündeyse yakın parçalar gerekli bütünü vermez.

GraphRAG ise önce metinden varlıkları ve ilişkileri çıkarır, bunları bir grafikte birleştirir ve gerektiğinde ilişkileri izleyerek birbirine dolaylı bağlı bilgiyi toplar. Böylece "bu tedarikçide yaşanan aksaklık hangi ürünleri ve hangi müşterileri etkiler" gibi çok adımlı soruların cevabı bulunabilir.

Nasıl çalışır?

Tipik bir hat şu aşamalardan oluşur: • Şema ve ontoloji: Alanda hangi varlık türlerinin ve ilişkilerin önemli olduğu belirlenir (kişi, ürün, sözleşme, tedarik eder, sahiptir gibi). • Çıkarım: Bir dil modeli ya da kural tabanlı yöntem, belgelerden varlık ve ilişkileri çıkarır. • Depolama: Sonuçlar bir graf veritabanında saklanır ve sorgulanabilir hale gelir. • Topluluk tespiti ve özetleme: Yoğun bağlı düğüm kümeleri bulunur ve her kümenin özeti hazırlanır. Bu, geniş kapsamlı sorulara cevap vermeyi kolaylaştırır. • Hibrit erişim: Soru geldiğinde hem vektör benzerliği hem graf gezintisi kullanılır, toplanan bağlam dil modeline verilir ve yanıt kaynaklarıyla birlikte üretilir.

Örnek senaryo

Örneğin bir üretici firmanın sözleşme, tedarikçi ve ürün belgeleri var. Kullanıcı "hangi sözleşmeler bu hammadde sıkıntısından etkilenir" diye soruyor. Vektör araması hammaddeyi anan belgeleri getirir ama sözleşmelerle bağı kurmayabilir. Bilgi grafiğinde hammadde, ürünlerle; ürünler, sözleşmelerle bağlıdır. Sistem bu yolu izleyerek ilgili sözleşmeleri listeler ve yanıtta hangi belgeye dayandığını gösterir.

Aynı yapı, "şu konunun cevabı neden böyle" sorusunda izlenen yolu açıklayabilir; bu, yanıtın denetlenebilirliği açısından bir avantajdır.

Ne zaman uygundur, ne zaman değil?

GraphRAG özellikle varlıkların çok olduğu ve ilişkilerin önem taşıdığı alanlarda anlamlıdır: sözleşme ve mevzuat ağları, tedarik zinciri, müşteri ve ürün ilişkileri, bilimsel literatür, kurumsal bilgi tabanları.

Her sorun için gerekli değildir. Belgeler kısaysa ve sorular tek parçadan cevaplanıyorsa klasik RAG daha basit ve ucuzdur. Grafik kurmanın maliyeti yüksektir: varlık çıkarımı için dil modeli çağrıları, şema tasarımı, çıkarım kalitesinin denetimi ve veri değiştikçe grafiğin güncellenmesi gerekir. Yanlış çıkarılan ilişki, yanıta güvenle yansıyabilir; bu yüzden kalite kontrolü şarttır.

Mindset programlarında bu konu

Mindset kataloğundaki GraphRAG ve Bilgi Grafiği Destekli Erişim eğitiminin modülleri bilgi grafiği temelleri, alan ontolojisi ve şema tasarımı, varlık ve ilişki çıkarımı, graf depolama ve sorgulama, topluluk tespiti ve özet katmanları ile hibrit erişim ve üretim mimarisini kapsar.