はじめに 「Knowledge Graph(知識グラフ)」は、情報を関連付けて構造化するグラフベースのデータモデルです。エンティティ(例:人、物、場所、概念など)間の関係をノードとエッジで表現することができます。以前紹介したRetrieval(本記事の下に該当記事へのリンクがあります)を用いた方法と似ているのですが、Retrievalが基本的には1:Xでデータベースから回答に関連した情報を探しにいくのに対し、知識グラフでは、逆引きを含むX:Xのような情報が複雑に関連している場合や、複雑なクエリの解決に役立ちます。一方で、情報の正確性確保やスケーラビリティの問題などの課題も存在します。 今回は、Langchainを使用して、テキストから知識グラフを構築し、その知識グラフを基に質問応答を行う方法について解説します。知識グラフを使うことで、ChatGPTだけでは回答の難しい、現在の出来事や専門知
![Langchainを使用したKnowledge Graphの構築と質問応答 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/105ef8b0f742b9c14d67704f17b5054b75b80417/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9TGFuZ2NoYWluJUUzJTgyJTkyJUU0JUJEJUJGJUU3JTk0JUE4JUUzJTgxJTk3JUUzJTgxJTlGS25vd2xlZGdlJTIwR3JhcGglRTMlODElQUUlRTYlQTclOEIlRTclQUYlODklRTMlODElQTglRTglQjMlQUElRTUlOTUlOEYlRTUlQkYlOUMlRTclQUQlOTQmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTAwNGY0OTlmZTM2OTcxNTEyYWFiZjIxM2IwOGNiMWZi%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwbWFzaG1vZWlhcjExJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzImdHh0LWFsaWduPWxlZnQlMkN0b3Amcz01Njc3YTJkMjlhZmJlNjk2OTUwOTkxYWRkOTg0YjMxZQ%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D5300d39b505f48fb7f9c8083f575a05b)