Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Crea una knowledge base con grafici di Amazon Neptune Analytics
Amazon Bedrock Knowledge Bases offre una funzionalità GraphRag completamente gestita con Amazon Neptune. GraphRag è una funzionalità fornita con Amazon Bedrock Knowledge Bases che combina la modellazione di grafici con l'intelligenza artificiale generativa per migliorare la generazione aumentata di recupero (RAG). Questa funzionalità combina la ricerca vettoriale con la capacità di analizzare rapidamente grandi quantità di dati grafici da Amazon Neptune nelle applicazioni RAG.
GraphRag identifica e sfrutta automaticamente le relazioni tra entità ed elementi strutturali all'interno dei documenti inseriti nelle Knowledge Base. Ciò consente risposte più complete e contestualmente pertinenti a partire dai modelli di base, in particolare quando le informazioni devono essere collegate attraverso più passaggi logici. Ciò significa che le applicazioni di intelligenza artificiale generativa possono fornire risposte più pertinenti nei casi in cui è necessario collegare dati e ragionamenti su più blocchi di documenti. Ciò consente ad applicazioni come i chatbot di fornire risposte più pertinenti a partire da modelli di base (FMs) nei casi in cui per rispondere alle domande siano necessari fatti, entità e relazioni correlati derivati da più fonti documentali
Disponibilità di GraphRag Region
GraphRag è disponibile nelle seguenti versioni: Regioni AWS
-
Europa (Francoforte)
-
Europa (Londra)
-
Europa (Irlanda)
-
US West (Oregon)
-
Stati Uniti orientali (Virginia settentrionale)
-
Asia Pacifico (Tokyo)
-
Asia Pacifico (Singapore)
Vantaggi dell'utilizzo di GraphRag
Amazon Bedrock Knowledge Bases con GraphRag offre i seguenti vantaggi:
-
Risposte più pertinenti e complete identificando e sfruttando automaticamente le relazioni tra entità ed elementi strutturali (come i titoli delle sezioni) su più fonti di documenti che vengono inserite nelle Knowledge Base di Amazon Bedrock.
-
Migliore capacità di eseguire ricerche esaustive che collegano diverse parti di contenuto attraverso più passaggi logici, migliorando le tecniche RAG tradizionali.
-
Migliori capacità di ragionamento tra documenti, che consentono di ottenere risposte più precise e contestualmente accurate collegando le informazioni tra varie fonti, il che aiuta a migliorare ulteriormente l'accuratezza e ridurre al minimo le allucinazioni.
Come funziona GraphRag
Dopo aver eseguito una ricerca vettoriale iniziale per i nodi pertinenti, Amazon Bedrock Knowledge Bases GraphRag esegue i seguenti passaggi per generare una risposta migliore:
-
Recupera i nodi grafici correlati o gli identificatori di blocchi collegati ai blocchi di documento recuperati.
-
Espande questi blocchi correlati attraversando il grafico e recuperandone i dettagli dal database dei grafici.
-
Fornisce risposte più significative comprendendo le entità pertinenti e concentrandosi sulle connessioni chiave utilizzando questo contesto arricchito.
Considerazioni e limitazioni di GraphRag
Di seguito sono riportate alcune limitazioni relative all'utilizzo di Amazon Bedrock Knowledge Bases con GraphRag
-
AWS PrivateLink la connettività all'endpoint VPC non è supportata quando si utilizza GraphRag con Knowledge Bases.
-
Le opzioni di configurazione per personalizzare la creazione del grafico non sono supportate.
-
La scalabilità automatica non è supportata per i grafici di Amazon Neptune Analytics.
-
GraphRag supporta solo Amazon S3 come fonte di dati.
-
Claude 3 Haiku viene scelto come modello base per creare automaticamente grafici per la tua knowledge base. Ciò consente automaticamente l'arricchimento contestuale.
-
Ogni fonte di dati può contenere fino a 1000 file. Puoi richiedere di aumentare questo limite fino a un massimo di 10000 file per origine dati. In alternativa, puoi partizionare il tuo bucket Amazon S3 in cartelle, dove ogni cartella può contenere fino a 1000 file.
-
Se utilizzi la suddivisione in blocchi gerarchici come strategia di suddivisione in blocchi, GraphRag recupera solo i blocchi secondari durante l'operazione di ricerca. Non sostituisce i blocchi secondari con i blocchi principali corrispondenti. Ciò significa che i risultati della ricerca contengono il contenuto specifico e dettagliato dei blocchi secondari anziché il contesto più ampio dei blocchi principali.
