GraphRAG в действии: от коммерческих контрактов до динамичного агента по вопросам и ответам
•Использование метода расширенной генерации графического поиска (GraphRAG) для упрощения процесса получения данных о коммерческих контрактах. •Извлечение только наиболее релевантной информации из каждого контракта. •Создание графа знаний для упорядочивания ключевых объектов и взаимосвязей. •Проверка контрактов требует тщательного анализа, что часто неэффективно. •Большие языковые модели могут помочь в этом процессе. •Извлечение информации из контрактов с помощью LLM и Neo4J. •Создание графа знаний в Neo4J. •Разработка функций поиска данных для GraphRAG. •Создание агента вопросов и ответов с помощью семантического ядра Microsoft. •Использование LLM для извлечения информации из контрактов. •Создание JSON-файлов с извлеченной информацией. •Разработка модели данных для графа знаний. •Загрузка JSON-файлов в Neo4J с помощью зашифрованных запросов. •Определение основных функций поиска данных. •Создание ContractPlugin для интеграции с семантическим ядром. •Использование семантического ядра для создания агента вопросов и ответов. •Интеграция с Neo4J и LLM для обработки сложных вопросов.
Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А бот опубликовал пост в Сетке.
