タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
LLMにナレッジグラフ（知識グラフ）を連携させることで、タスク遂行能力を大幅に向上させるフレームワーク『Graph Neural Prompting（GNP）』 | AIDB
大規模言語モデル（LLM）は、質問応答、翻訳、テキスト要約など、さまざまなNLPタスクで優れた性能を発揮しています。しかし、モデルはしばしば正確な事実知識を捉えるのが難しく、根拠のない回答を生成することあります。この問題を解決するために、Amazonなどの研究者らが『Graph Neural Prompting（GNP）』という新しいフレームワークを考案しました。このフレームワークは、LLMにナレッジグラフ（知識グラフ）を連携させ、タスク遂行能力を大幅に向上させるものです。 従来の方法では、モデルに学習データを追加するためには高いコストがかかりました。しかし、GNPを用いることで、より低いコストで高い成果を得ることができます。さらに、この方法はカスタマイズが非常に柔軟であり、特定のドメインや業界に合わせて調整することが可能です。 この記事では、この興味深い研究について詳しく解説していきます
以下の図が、構築したナレッジグラフの一部分を図示したものと、その中から上の表に対応する部分を拡大したものです。 ナレッジグラフの属性ノードの情報を活用することで、お客さまが以前に購入した本と同じ著者の本を推薦するといった、商品情報をもとにした推薦が可能になります。 モデルについて 知識グラフを使った推薦は HeteRec [Yu et al., 2014] をはじめ、数年前から盛んに研究されています。今回はそのなかでも解釈性が高く、大きなデータにもスケールする KGCN [Wang et al., 2019] をもとにモデルを作りました。KGCN はグラフニューラルネットワークをもとにしたモデルです。技術的な詳細については英語版の記事を参照してください。 実験 以下の 3 つのタスクをメルカリの本のデータを使って実験することで、ナレッジグラフを使った推薦の有効性を確認しました。 商品推薦
RAG（Retrieval Augmented Generation）は大規模言語モデル（LLM）の性能を改善するための手法の1つであり、質問に対する回答を生成する際に、外部知識源から情報を取り込みます。 これにより、LLM 自体で学習できる情報量に制限されることなく、より正確で詳細な回答を生成することができます。 よく使われているRAGでは、外部知識源として検索エンジンにテキストをインデックスしておき、質問に関連するテキストをベクトル検索や全文検索を用いて取得します。しかし、構造化データを扱うことには苦労するため、質問によっては回答が不十分、あるいはまったく回答できないことに繋がります。 これらの問題を克服するために、ナレッジグラフを用いたRAGが構築されることがあります。ナレッジグラフでは、エンティティとその間の関係がグラフ構造で表現されており、単純な検索を用いた場合には回答できないよ
スタンフォード大学の研究者であるVarun Shenoy氏が、入力した文章に含まれる人物や固有名詞間のつながりをナレッジグラフ化するAI「GraphGPT」を開発しました。GraphGPTはOpenAIが開発した自然言語処理モデルのGPT-3を使用しており、構造化されていない自然言語をグラフに変換するとのことです。 GraphGPT https://graphgpt.vercel.app/ GitHub - varunshenoy/GraphGPT: Extrapolating knowledge graphs from unstructured text using GPT-3 https://github.com/varunshenoy/GraphGPT Can LLMs extract knowledge graphs from unstructured text? Introduc
GPT Index のナレッジグラフ機能を試す｜npaka
GPT Index のナレッジグラフ機能を試したので、まとめました。 1. ナレッジグラフ「ナレッジグラフ」 (Knowledge Graph) は、さまざまな知識の関係をグラフ構造で表したものです。知的システムの基盤となるデータベースとして用いられます。 「GPT Index」は、RDF フレームワークと直接互換性のある「トリプル」 (主語、述語、目的語) として表されるナレッジグラフデータをサポートします。内部的には、グラフデータは有向グラフとして管理されます。 現在、「GPT Index」は、LLMがサポートするトリプルの操作を2つ提供しています。 ・グラフ抽出 (Graph extraction) : 与えられたテキストからトリプルを抽出 ・グラフQ&A (Graph Q&A) : グラフデータを応答合成のコンテキストとして利用 2. グラフ抽出Google Colabでの「GPT
LLMを構築する上で、ナレッジグラフ .vs. ベクトルデータベースの違いを知る｜鈴木いっぺい (Ippei Suzuki)
Clip source: Knowledge Graph vs. Vector Database for Grounding Your LLM グラフデータベースでLLMを構築した方が、LLMと比較して、性能、正確性、ハルシネーション防止、等の面で優れている、という記事です。実際ベンチマークをしてくれてる実例を探してみたいと思います。 Knowledge Graph vs. Vector Database for Grounding Your LLMMegan Tomlin, Director of Product Marketing, Neo4j Jul 13 4 mins read 企業は、ミッションクリティカルなアプリケーションに大規模な言語モデル（LLM）を組み込むことを望んでいます。しかし、LLMの予測不可能な性質は、幻覚（不正確な推論や明らかなエラー）を引き起こす可能性があり、
背景 ナレッジグラフとは ナレッジグラフは、ある特定の事実が整理された大きなデータベースです。事実関係が（主語, 述語, 目的語）のトリプレットという形式で構造化されているのが一般的な形式です。既存のナレッジグラフは、保存されている情報に基づいて4つのグループに分類されます。 百科事典型：一般的な知識を網羅。代表例は Wikidataなど。 常識型：日常的な常識や判断に必要な知識をもつ。 特定分野型：特定分野に関する専門的な知識をもつ。 複合型：テキスト, 画像, 音声など複数の形式の情報を統合する。 LLMとナレッジグラフの長所短所 今回研究者らは、LLMとナレッジグラフを合わせて使用すると相互に補完できる関係になると述べています。 LLMの長所は、大規模なコーパス学習により、質問応答、機械翻訳、テキスト生成など様々な自然言語処理タスクで優れた性能を発揮するという点です。 一方で、LLM
メディア関係者向けお問い合わせ先 メールでのお問い合わせ: pr-jp@google.com メディア関係者以外からのお問い合わせにはお答えいたしかねます。 その他すべてのお問い合わせにつきましては、ヘルプセンターをご覧ください。
ナレッジグラフとオントロジー
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...joisino
ナレッジグラフとは？特徴や作り方、活用法をわかりやすく解説 | 地球の未来を宇宙から考えるメディア Beyond Our Planet
ナレッジグラフとは？特徴や作り方、活用法をわかりやすく解説 ナレッジグラフとは、さまざまな知識（ナレッジ）を体系的に連結し、グラフ構造で表した知識のネットワークです。自然文やSNSの投稿、音声など非構造化データの機械処理が可能で、近年AIの基盤技術として広く活用されています。本稿では、ナレッジグラフの概要と具体例や作り方、構築法をご紹介します。 ナレッジグラフとは、さまざまな知識（＝ナレッジ）を体系的に連結し、グラフ構造で表した知識のネットワークです。先行する研究は1960年代から行われ、近年ではAIの実用的な基盤技術としてさまざまな領域で活用されるようになっています。ナレッジグラフの活用により、これまでは機械処理が難しかった自然文やSNSの投稿、音声など非構造化データについても機械処理が可能となります。 この記事では、ナレッジグラフの概要と具体例や作り方、構築法などについてご紹介します。
PRESS RELEASE 2024年5月17日 富士通株式会社 論理推論を可能とする大規模言語モデルの研究開発が「GENIAC」に採択 ナレッジグラフと大規模言語モデルを融合する研究開発を強化することで、生成AIの信頼性を高め業務活用を加速 当社は、経済産業省が推進する国内の生成AIの開発力を強化するためのプロジェクト「GENIAC（Generative AI Accelerator Challenge）」のもと、国立研究開発法人新エネルギー・産業技術総合開発機構（以下、NEDO）が公募した、「ポスト5G情報通信システム基盤強化研究開発事業／ポスト5G情報通信システムの開発（助成）」に採択され（注1）、論理推論を可能とする大規模言語モデル（以下、LLM）の研究開発を開始します。 当社は、企業における生成AI活用の課題を解決する業務に特化した生成AIの提供を目指して研究開発を行っています。
キーワードで探す カテゴリで探す トレンドを知る 事例を知る 展望を知る 技術ブログ サービスで探す コンサルティング CRM（Salesforce） ERP（SAP/Biz∫） 顧客接点・決済 カーボンニュートラル SCM・ロジスティクス 電子申請 データ＆インテリジェンス アプリケーション開発・管理 ブロックチェーン 量子コンピュータ・イジングマシン デジタルツイン IoT ロボティクス・RPA クラウド ネットワーク データセンター サイバーセキュリティ アウトソーシング 生成AI 業種で探す 金融 官公庁・自治体 医療・ヘルスケア 防災・レジリエンス 食品 流通・小売 モビリティ 製薬・ライフサイエンス 食農・農業 製造 通信・放送 電力・ガス・水道 建設・不動産 個人のお客様向け 教育 トピックで探す Foresight Day サステナビリティ キーワードで探す カテゴリで探す
TL;DR ベクトル検索だと、複数のステップを踏まないと答えられない質問の検索がむずい 「TomにEmil Eifrém（Neo4jのCEO）を紹介してくれる人は？」とかを検索むずい ナレッジグラフは構造化データと非構造化データをうまく扱えてベクトル検索の苦手を補える 課題はあるけどナレッジグラフは、Neo４jとLangchainで構築できるよ。 はじめに 今回はベクトル検索の苦手分野をどうしても補ってあげたいとおもっている筆者やまぐちが、ベクトル検索の苦手を補ってあげられるナレッジグラフに関してまとめていこうと思います。 少々長い記事ですが、ベクトル検索を労ってあげたいと思っている方はぜひ読んでください。 ベクトル検索の限界 以前の記事の最後にも少しだけ記載しましたが、ベクトル検索は以下の問題点があります。 必要な情報がTop Kのドキュメントには含まれていない可能性がある。 チャンクの
ナレッジグラフ(Neo4j) を活用してLangChainアプリケーションを強化｜鈴木いっぺい (Ippei Suzuki)
ナレッジグラフ関係の技術記事が多くなってきてますが、この記事は、Neo4jとLangChainを組み合わせて実際にRAGを作ってみた、という内容でステップ毎に紹介してくれています。ナレッジグラフをRAG向けのデータストアとして使うと、構造型のデータと非構造型のデータをミックスしてRAGに提供できる、っという点が強みです。一緒にできるってことは運用管理が楽になる、ということです。ベクトルデータも作る必要はありますが、これもナレッジグラフの中に入れちゃいます。 企業向けのRAGの開発にグラフデータベースとRAGの組み合わせはこれからもっと広がっていくのでは、と期待してます。 Using a Knowledge Graph to implement a DevOps RAG applicationClip source: devops_rag.ipynb - Colaboratory RAGアプ
Neo4jでNASAのナレッジグラフを再現してみた #neo4j #graph #nosql - クリエーションライン株式会社
今回は、弊社の李・朱・細見が社内PoCとして「Neo4jを利用してNASAのナレッジグラフを再現してみた」プロセスについてお送りします！ この社内プロジェクトは、2019年4月～7月の間に、各メンバーが他のプロジェクトに参加しながら、残りの時間を有効活用する形で進められました。 プロジェクト名： * AIによるナレッジグラフの自動生成及びナレッジのレコメンド、Cypherによるナレッジ検索エンジン開発のためのPoC（ナレッジレコメンデーションエンジン） ちなみにこの内容は、毎週月曜日に弊社で行っているWeekly朝会で全社員に共有されました。 Weekly朝会の詳細についてはこちらもご参照ください♪ 社内PoCの背景 今回の社内PoCのきっかけは、「市場に対してクリエーションライン自ら、Neo4jの需要を起こせないか？」と思ったこと。 また、以下のような事例をみて刺激を受け、われわれの力（
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ナレッジグラフを使った解釈可能な推薦システム | メルカリエンジニアリング
ナレッジグラフを用いたRAGの改善 - Ahogrammer
AIで入力した文章から人物や固有名詞間のつながりをナレッジグラフ化してくれる「GraphGPT」が登場
ナレッジグラフ（知識グラフ）とLLMを掛け合わせる方法のロードマップ | AIDB
Google 検索のナレッジグラフとナレッジパネルとは
ナレッジグラフと大規模言語モデルを融合する研究開発を強化することで、生成AIの信頼性を高め業務活用を加速 : 富士通
ヒトの思考ロジックをなぞらえる「ナレッジグラフ技術」 | NTTデータ
ベクトル検索の苦手を克服。ナレッジグラフでRAGを作る
x.com
hanako.tokyo
nordlicht.hatenablog.com
qiita.com/7shi
arasuji.hateblo.jp
www.youtube.com