Die integrierte Wissensgraphen-Engine von Morphik Core erweitert herkömmliche RAG-Systeme um eine strukturierte Wissensdimension durch automatische Erkennung von Entitäten und Techniken zur Extraktion von Beziehungen. Das System analysiert automatisch benannte Entitäten (z. B. Personen, Organisationen, Fachbegriffe usw.) und ihre Beziehungen zueinander im Inhalt, wenn es Dokumente verarbeitet, um ein ableitbares Wissensnetzwerk aufzubauen. Bei komplexen Anfragen wie "Was hat KI mit Cloud Computing zu tun?" ist das System in der Lage, auf der Grundlage der semantischen Verbindungen des Graphen dokumentenübergreifende Antworten zu geben.
In der Praxis nutzen Forscher die Funktion, um bereichsübergreifende Innovationspunkt-Assoziationen in der Dissertationsbibliothek zu entdecken, und Unternehmensnutzer verwenden sie, um die Wettbewerbslandschaft des Marktes zu analysieren. Das System unterstützt benutzerdefinierte Bedingungen für die Erstellung von Graphen (über den Parameter filter) und die Steuerung der Abfragetiefe (den Parameter hop_depth) für bis zu drei Grade der relationalen Schlussfolgerung.
Leistungstests zeigen, dass Knowledge Graph die Relevanzwerte für komplexe Fragen um durchschnittlich 621 TP3 T verbessert. Diese Funktion eignet sich besonders für Szenarien, die eine tiefgreifende semantische Analyse erfordern, wie z. B. akademische Forschung, Business-Intelligence-Analysen und andere Spezialgebiete.
Diese Antwort stammt aus dem ArtikelMorphik Core: eine Open-Source-RAG-Plattform für die Verarbeitung multimodaler DatenDie
Deutsch 
简体中文 
English 
日本語 
Português do Brasil