O mecanismo de gráfico de conhecimento integrado do Morphik Core acrescenta uma dimensão de conhecimento estruturado aos sistemas RAG tradicionais por meio de técnicas automatizadas de reconhecimento de entidades e extração de relacionamentos. O sistema analisa automaticamente as entidades nomeadas (por exemplo, pessoas, organizações, termos técnicos etc.) e suas inter-relações no conteúdo ao processar documentos para criar uma rede de conhecimento inferível. Ao lidar com consultas complexas, como "como a IA está relacionada à computação em nuvem", o sistema é capaz de fornecer respostas relacionadas a documentos cruzados com base nas conexões semânticas do gráfico.
Na prática, os pesquisadores usam a função para descobrir associações de pontos de inovação entre domínios na biblioteca de teses, e os usuários corporativos a utilizam para analisar o cenário competitivo do mercado. O sistema suporta condições personalizadas de construção de gráficos (por meio do parâmetro filters) e controle de profundidade de consulta (o parâmetro hop_depth) para até 3 graus de raciocínio relacional.
Os testes de desempenho mostram que o Knowledge Graph melhora as pontuações de relevância para a recuperação de perguntas complexas em uma média de 621 TP3 T. Esse recurso é particularmente adequado para cenários que exigem uma análise semântica profunda, como pesquisa acadêmica, análise de inteligência comercial e outras áreas especializadas.
Essa resposta foi extraída do artigoMorphik Core: uma plataforma RAG de código aberto para processamento de dados multimodaisO
Português do Brasil 
简体中文 
English 
日本語 
Deutsch