English 
スターティアホールディングス, Inc. is pleased to announce that it has become possible to build chatbots equipped with the advanced RAG (Search Augmentation Generation) technology “Knowledge Graph (Graph RAG)” using the AI chatbot “IZANAI Powered by OpenAI” provided by its consolidated subsidiary, Cloud Circus Inc.
Conventional RAG (Search Expansion and Generation) is a system in which materials likely to be related to the question are first searched for, and then the generative AI creates an answer based on the information found. Graph RAG is an approach that takes this search step even further, linking entities such as “people, organizations, products, dates and times” contained in the text as nodes (points) and building a knowledge graph, which can be thought of as a “knowledge correlation diagram,” in advance.
In conventional RAG (Search Expansion Generation), the document is divided into small parts, and answers are generated by selecting several pieces of text that are “similar” to the question in order from the top. However, this method has three major problems.
文脈が遮断されているため
文章間のつながりが失われると、因果関係や時系列、階層構造などの文脈情報を正確に把握することが難しくなります。
こちらもお読みください： 株式会社ゼアルス、LINEを利用したダンカン向けAIサービスエージェントの提供を開始
騒音汚染のリスク：
質問の意図と異なる内容が混在しやすく、一貫性のない回答や誤解を招きかねません。
処理負荷とコストの増加：
インポートするテキストが多ければ多いほど、処理に時間がかかり、コストも高くなります。
グラフRAGは、まず質問に対して関連する情報を検索し、その関係性からナレッジグラフ上で必要な情報を絞り込みます。その情報をAIが要約して回答を生成することで、効率的な処理と精度の高い回答を両立しています。これにより、FAQの網羅性と一貫性が向上し、複雑な業務知識にも対応した精度の高いチャットボットの運用が可能になります。
ナレッジグラフは、情報間の関係や構造を利用することで、よりコンテキストに関連した回答を生成することができます。ナレッジグラフは、情報間の関係が複雑で、参照する項目が複数ある場合に特に効果的です。例えば、製品マニュアルや法律文書など、多層的な参照関係を持つ文書や、社内の業務フローや手順が階層的に整理され包括的なビジネス知識において、ナレッジグラフは質問の意図を考慮した的確な回答を提供することができます。
ソース PRタイムズ
日本語