![](https://cdn-ak-scissors.b.st-hatena.com/image/square/75df7c33b79925725bae404aff1f5e8552492f62/height=288;version=1;width=512/https%3A%2F%2Fres.cloudinary.com%2Fzenn%2Fimage%2Fupload%2Fs--lCpxcB_t--%2Fc_fit%252Cg_north_west%252Cl_text%3Anotosansjp-medium.otf_55%3AMicrosoft%2525E3%252581%25258B%2525E3%252582%252589%2525E6%25258F%252590%2525E4%2525BE%25259B%2525E3%252581%252595%2525E3%252582%25258C%2525E3%252581%25259FGraphRAG%2525E3%252582%252592%2525E4%2525BD%2525BF%2525E3%252581%2525A3%2525E3%252581%2525A6%2525E3%252581%2525BF%2525E3%252581%2525BE%2525E3%252581%252597%2525E3%252581%25259F%252Cw_1010%252Cx_90%252Cy_100%2Fg_south_west%252Cl_text%3Anotosansjp-medium.otf_34%3Aikebowsan%252Cx_220%252Cy_108%2Fbo_3px_solid_rgb%3Ad6e3ed%252Cg_south_west%252Ch_90%252Cl_fetch%3AaHR0cHM6Ly9zdG9yYWdlLmdvb2dsZWFwaXMuY29tL3plbm4tdXNlci11cGxvYWQvYXZhdGFyLzZjNGExY2UxMDYuanBlZw%3D%3D%252Cr_20%252Cw_90%252Cx_92%252Cy_102%2Fg_south_west%252Ch_34%252Cl_default%3Aog-publication-pro-mark-xcosax%252Cw_34%252Cx_217%252Cy_158%2Fco_rgb%3A6e7b85%252Cg_south_west%252Cl_text%3Anotosansjp-medium.otf_30%3A%2525E3%252583%252598%2525E3%252583%252583%2525E3%252583%252589%2525E3%252582%2525A6%2525E3%252582%2525A9%2525E3%252583%2525BC%2525E3%252582%2525BF%2525E3%252583%2525BC%2525E3%252582%2525B9%252Cx_255%252Cy_160%2Fbo_4px_solid_white%252Cg_south_west%252Ch_50%252Cl_fetch%3AaHR0cHM6Ly9zdG9yYWdlLmdvb2dsZWFwaXMuY29tL3plbm4tdXNlci11cGxvYWQvYXZhdGFyLzUyNTM1ZTc4OGYuanBlZw%3D%3D%252Cr_max%252Cw_50%252Cx_139%252Cy_84%2Fv1627283836%2Fdefault%2Fog-base-w1200-v2.png)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Microsoftから提供されたGraphRAGを使ってみました
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Microsoftから提供されたGraphRAGを使ってみました
そもそもRAGとは RAGとはユーザーからの質問に対して専門のナレッジデータから類似度の高い情報を検索・... そもそもRAGとは RAGとはユーザーからの質問に対して専門のナレッジデータから類似度の高い情報を検索・取得して、AIに回答を生成してもらう技術のこと。 RAGを使用することで、AIモデルのトレーニングセットに入っていない最新の情報や企業の機密情報、ネット上に公開されてない内容に対しても回答することができます 手法としてはキーワード検索やベクトル検索、二つを組み合わせたハイブリット検索などが使用されます。(「Baseline RAG」というらしい) しかし膨大なドキュメントから回答を生成する必要がある時とか、ドキュメント通しの関連性が重要な情報を使った回答の時に精度がイマイチでないという課題がありました。 Graph RAGとは RAG(Retrieval Augmented Generation)より精度・機能が拡張された検索拡張生成サービス 従来のベクトル検索を使ったアプローチではなく