Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
So erstellen Sie eine Wissensdatenbank mit Diagrammen aus Amazon Neptune Analytics
Wissensdatenbanken für Amazon Bedrock bietet mit Amazon Neptune eine vollständig verwaltetes GraphRAG-Feature. GraphRAG ist eine in Wissensdatenbanken für Amazon Bedrock enthaltene Funktion, die Diagrammmodellierung mit generativer KI kombiniert, um Retrieval-Augmented Generation (RAG) zu verbessern. Dieses Feature kombiniert die Vektorsuche mit der Fähigkeit, große Mengen an Diagrammdaten aus Amazon Neptune in RAG-Anwendungen schnell zu analysieren.
GraphRAG identifiziert und nutzt automatisch Beziehungen zwischen Entitäten und Strukturelementen in Dokumenten, die in Wissensdatenbanken aufgenommen wurden. Dies ermöglicht umfassendere und kontextrelevantere Antworten aus den Basismodellen, insbesondere wenn die Informationen über mehrere logische Schritte miteinander verknüpft werden müssen. Das bedeutet, dass generative KI-Anwendungen in Fällen, in denen eine Verknüpfung von Daten und Argumenten über mehrere Dokumentenblöcke hinweg erforderlich ist, relevantere Antworten liefern können. Auf diese Weise können Anwendungen wie Chatbots relevantere Antworten anhand von Fundamentmodellen (FMs) in Fällen liefern, in denen zur Beantwortung von Fragen verwandte Fakten, Entitäten und Beziehungen aus mehreren Dokumentenquellen erforderlich sind.
Verfügbarkeit von GraphRAG-Regionen
GraphRAG ist in den folgenden AWS-Regionen verfügbar:
-
Europa (Frankfurt)
-
Europa (London)
-
Europa (Irland)
-
USA West (Oregon)
-
USA Ost (Nord-Virginia)
-
Asien-Pazifik (Tokio)
-
Asien-Pazifik (Singapur)
Vorteile der Verwendung von GraphRAG
Wissensdatenbanken für Amazon Bedrock bietet mit GraphRAG die folgenden Vorteile:
-
Relevantere und umfassendere Antworten durch die automatische Identifizierung und Nutzung von Beziehungen zwischen Entitäten und Strukturelementen (z. B. Abschnittstitel) in mehreren Dokumentenquellen, die in Wissensdatenbanken für Amazon Bedrock aufgenommen werden.
-
Verbesserte Fähigkeit zur Durchführung umfassender Suchen, bei denen verschiedene Inhalte über mehrere logische Schritte miteinander verknüpft werden, wodurch herkömmliche RAG-Techniken verbessert werden.
-
Bessere dokumentenübergreifende Argumentationsmöglichkeiten, die präzisere und kontextuell genauere Antworten ermöglichen, indem Informationen aus verschiedenen Quellen miteinander verknüpft werden, wodurch die Genauigkeit weiter verbessert und Halluzinationen minimiert werden.
Funktionsweise von GraphRAG
Nach einer ersten Vektorsuche nach den relevanten Knoten führt Wissensdatenbanken für Amazon Bedrock mit GraphRAG die folgenden Schritte durch, um eine bessere Antwort zu generieren:
-
Es werden verwandte Diagrammknoten oder Chunk-IDs abgerufen, die mit den abgerufenen Dokumentblöcken verknüpft sind.
-
Diese verwandten Blöcke werden erweitert, indem das Diagramm durchsucht und dessen Details aus der Graphdatenbank abgerufen werden.
-
Es werden aussagekräftigere Antworten bereitgestellt, indem die relevanten Entitäten verstanden und mithilfe dieses erweiterten Kontextes auf die wichtigsten Zusammenhänge konzentriert werden.
Überlegungen zu und Einschränkungen von GraphRAG
Im Folgenden werden einige Einschränkungen bei der Verwendung von Wissensdatenbanken für Amazon Bedrock mit GraphRAG erläutert
-
Es werden keine Konfigurationsoptionen zur Anpassung des Diagrammaufbaus unterstützt.
-
Autoscaling wird für Diagramme in Amazon Neptune Analytics nicht unterstützt.
-
GraphRAG unterstützt ausschließlich Amazon S3 als Datenquelle.
-
Für die automatische Erstellung von Diagrammen für Ihre Wissensdatenbank wird Claude 3 Haiku als Basismodell ausgewählt. Dies ermöglicht eine automatische kontextuelle Anreicherung.
-
Jede Datenquelle kann bis zu 1 000 Dateien haben. Sie können eine Erhöhung dieses Limit auf maximal 10 000 Dateien pro Datenquelle beantragen. Alternativ können Sie Ihren Amazon-S3-Bucket in Ordner partitionieren, wobei jeder Ordner bis zu 1 000 Dateien enthalten kann.
-
Wenn Sie hierarchisches Chunking als Ihre Chunking-Strategie verwenden, ruft GraphRAG während des Suchvorgangs nur die untergeordneten Chunks ab. Die untergeordneten Chunks werden nicht durch ihre entsprechenden übergeordneten Chunks ersetzt. Das bedeutet, dass Ihre Suchergebnisse den spezifischen, detaillierten Inhalt der untergeordneten Chunks enthalten und nicht den breiteren Kontext der übergeordneten Chunks.
Anmerkung
Wenn Sie eine Wissensdatenbank löschen, die Amazon Neptune Analytics verwendet, löschen Sie zuerst die Wissensdatenbank und dann das Diagramm in Amazon Neptune Analytics. Durch das Löschen einer Wissensdatenbank wird das zugrunde liegende Diagramm nicht automatisch gelöscht. Zusätzliche Gebühren können anfallen, bis Sie das Diagramm ausdrücklich löschen. Alternativ können Sie Ihre Richtlinie zum Löschen von Datenquellen auf den Modus RETAIN setzen, um das Diagramm zuerst zu löschen, ohne dass es zu Fehlern kommt. Weitere Informationen finden Sie unter So löschen Sie eine Datenquelle aus Ihrer Amazon-Bedrock-Wissensdatenbank.
