RAGで非構造データを整理する手法「BookRAG」

導入 こんにちは、株式会社ナレッジセンスの須藤英寿です。 今回は、非構造データから構造データとナレッジグラフを構成して、質問に応じた検索手法を実行することで高い精度を実現する手法「BookRAG」を紹介します。 サマリー RAGはこれまでチャンク化した文書を検索するや、ナレッジグラフを構築して検索する手法など様々な手法が提案されて来ましたが、それぞれ苦手な検索(詳細は後述の課題意識で説明)が存在し精度に限界がありました。 「BookRAG」はツリー構造データとナレッジグラフを組み合わせたうえで、検索に利用可能な処理を11種類作成し、検索時に適切な処理を選択することで高い精度を実現できる手法となっています。 課題意識 既存手法の課題 RAGはこれまで様々な手法が提案されてきましたが、苦手な検索も存在します。 一般的なチャンク化した文書を検索するRAGでは、離れた場所の内容同士の関係性を捉える

[ookitasaburou]

“LLMを用いて最適な検索を実現する手法「BookRAG」について紹介しました。”

[misshiki]

“「BookRAG」はツリー構造データとナレッジグラフを組み合わせたうえで、検索に利用可能な処理を11種類作成し、検索時に適切な処理を選択することで高い精度を実現できる手法となっています。”

[hirorinya]

ほーやってみるか（なにかあるかな

[mkusaka]

BookRAGの概要を解説。BookIndexでツリー構造+ナレッジグラフ+GT-Linkを構築し、11種の検索操作で複雑な質問の精度を向上するが、トークンコストは約10倍と説明