Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Knowledge Graphs y GraphRag con AWS y Neo4j
Fecha de publicación: 26 ** de noviembre de 2024 () [Historial del diagrama](#diagram-history) **
Esta arquitectura de referencia demuestra cómo se Servicios de AWS puede usar Neo4j para crear gráficos de conocimiento. Luego, esos gráficos se pueden usar en una arquitectura GraphRag.
## Knowledge Graphs y GraphRag con AWS y un diagrama de Neo4j
1. Los datos estructurados, no estructurados y semiestructurados existen en una amplia variedad de sistemas, incluidos ** Amazon Redshift**, Amazon Simple Storage Service ** (**Amazon S3) y Amazon Managed Streaming para Apache Kafka (**Amazon MSK). ** Se puede acceder a otros sistemas a través de una capa de integración, como. **AWS Glue** Un subconjunto de estos datos está altamente conectado. La información se puede descubrir modelándola en forma de gráfico.
1. Los scripts que se ejecutan en ** Amazon SageMaker AI ** extraen datos conectados de estos sistemas de origen.
1. Una vez en la ** SageMaker IA**, los datos pasan a un ** proceso de ** Amazon Bedrock gestionado por LangChain. Los modelos de lenguaje extensos (LLM) extraen entidades y formatean el resultado como Cypher, el lenguaje de consulta de Neo4j. **SageMaker La IA ** pasa ese Cypher al controlador Neo4j.
1. Las declaraciones cifradas que contienen los datos y entidades extraídos se introducen en la base de datos de grafos de Neo4j para crear un gráfico de conocimiento. La base de datos de gráficos es un componente de Neo4j AuraDB, un SaaS de Neo4j que se ejecuta en Neo4j. AWS
1. Los usuarios pueden explorar el gráfico de conocimiento resultante en Neo4j Bloom, una herramienta de inteligencia empresarial diseñada específicamente para gráficos.
1. El enriquecimiento se puede realizar con Neo4j Graph Data Science. Los algoritmos de resolución de entidades resuelven las entradas duplicadas. Los algoritmos de detección comunitaria se pueden usar para identificar clústeres y generar resúmenes de clústeres locales para GraphRag. Los algoritmos de incrustación de gráficos ayudan a mapear e identificar entidades topológicamente similares para GraphRag.
1. Una vez creado un gráfico de conocimiento, las aplicaciones pueden utilizar ese gráfico en una arquitectura de GraphRag para proporcionar resultados fundamentados con menos alucinaciones que los enfoques alternativos. Estas aplicaciones pueden ejecutarse en diversas AWS plataformas **AWS Lambda**, incluidas ** Amazon Elastic Compute Cloud ** (Amazon EC2) y Amazon Elastic Kubernetes Service (**Amazon EKS). **
1. Las aplicaciones cliente pueden realizar llamadas a funciones alojadas en la IA. ** SageMaker ** Estas funciones consultan a ** Amazon Bedrock**.
1. ****Las respuestas de Amazon Bedrock se basan en la base de datos gráfica Neo4j, con datos recopilados de toda la empresa. El uso de un gráfico como base proporciona un enfoque RAG vectorial con la capacidad adicional de utilizar la estructura del gráfico para mejorar las respuestas.
## Documentación adicional
Para obtener información adicional, consulte
+ [AWS Iconos de arquitectura ](https://aws.amazon.com/architecture/icons)
+ [AWS Centro de arquitectura ](https://aws.amazon.com/architecture)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
## Historial del diagrama
Para recibir notificaciones sobre las actualizaciones de este diagrama de arquitectura de referencia, suscríbase a la fuente RSS.
| Cambio | Descripción | Fecha |
| --- |--- |--- |
| [Publicación inicial](#diagram-history) | El diagrama de arquitectura de referencia se publicó por primera vez. | 26 de noviembre de 2024 |
**nota**
Para suscribirse a las actualizaciones de RSS, debe tener un complemento de RSS habilitado para el navegador que esté utilizando.