As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Criar uma base de conhecimento com grafos do Amazon Neptune Analytics
As Bases de Conhecimento do Amazon Bedrock oferecem um recurso GraphRAG totalmente gerenciado com o Amazon Neptune. AO GraphRAG é um recurso fornecido com as Bases de Conhecimento do Amazon Bedrock que combina modelagem de grafos com IA generativa para aprimorar a geração aumentada via recuperação (RAG). Esse recurso associa a pesquisa vetorial com a capacidade de analisar rapidamente grandes quantidades de dados de grafo do Amazon Neptune em aplicações de RAG.
O GraphRAG identifica e utiliza automaticamente os relacionamentos entre entidades e elementos estruturais em documentos ingeridos nas bases de conhecimento. Isso permite respostas mais abrangentes e contextualmente relevantes dos modelos de base, especialmente quando as informações precisam ser conectadas por meio de várias etapas lógicas. Isso significa que as aplicações de IA generativa podem fornecer respostas mais relevantes nos casos em que é necessário associar dados e raciocínio em vários fragmentos de documentos. Isso permite que aplicações como chatbots forneçam respostas mais relevantes dos modelos de base (FMs) nos casos em que fatos, entidades e relacionamentos derivados de várias fontes de documentos são necessários para responder a perguntas.
Disponibilidade de regiões para o GraphRAG
A técnica GraphRAG está disponível nas seguintes Regiões da AWS:
-
Europa (Frankfurt)
-
Europa (Londres)
-
Europa (Irlanda)
-
Oeste dos EUA (Oregon)
-
Leste dos EUA (Norte da Virgínia)
-
Ásia-Pacífico (Tóquio)
-
Ásia-Pacífico (Singapura)
Benefícios do uso do GraphRAG
As Bases de Conhecimento do Amazon Bedrock com GraphRAG oferecem os seguintes benefícios:
-
Respostas mais relevantes e abrangentes, identificando e aproveitando automaticamente as relações entre entidades e elementos estruturais (como títulos de seções) em várias fontes de documentos que são ingeridas nas Bases de Conhecimento do Amazon Bedrock.
-
Capacidade aprimorada de realizar pesquisas exaustivas que correlacionam diferentes partes do conteúdo por meio de várias etapas lógicas, aprimorando as técnicas tradicionais de RAG.
-
Melhores recursos de raciocínio entre documentos, permitindo respostas mais precisas e contextualmente fiéis ao associar informações em várias fontes, o que ajuda a aumentar ainda mais a precisão e minimizar as alucinações.
Como o GraphRAG funciona
Depois de realizar uma pesquisa vetorial inicial para os nós relevantes, o GraphRAG da Base de Conhecimento do Amazon Bedrock executa as seguintes etapas para gerar uma resposta mais adequada:
-
Recupera nós de grafos relacionados ou identificadores de fragmentos que estão vinculados aos fragmentos do documento recuperado.
-
Expande esses fragmentos relacionados percorrendo o grafo e recuperando os detalhes no banco de dados de grafos.
-
Fornece respostas mais significativas ao compreender as entidades relevantes e ao se concentrar nas principais correlações usando esse contexto enriquecido.
Considerações e limitações da técnica GraphRAG
Veja a seguir algumas limitações ao usar as Bases de Conhecimento do Amazon Bedrock com o GraphRAG.
-
Não é possível usar as opções de configuração para personalizar a criação de grafos.
-
Não é possível usar ajuste de escala automático nos grafos do Amazon Neptune Analytics.
-
O GraphRAG permite apenas o Amazon S3 como fonte de dados.
-
O Claude 3 Haiku é escolhido como modelo de base para criar grafos automaticamente para sua base de conhecimento. Isso permite enriquecer o contexto automaticamente.
-
Cada fonte de dados pode ter até mil arquivos. Você pode solicitar o aumento desse limite para no máximo 10 mil arquivos por fonte de dados. Ou você pode particionar o bucket do Amazon S3 em pastas, em que cada pasta pode conter até mil arquivos.
-
Se você usar fragmentação hierárquica como estratégia de agrupamento, o GraphRAG recupera somente os fragmentos secundários durante a operação de pesquisa. Ele não substitui os fragmentos secundários pelos fragmentos principais correspondentes. Isso significa que os resultados de pesquisa contêm o conteúdo específico e detalhado dos fragmentos secundários, em vez do contexto mais amplo dos fragmentos principais.
nota
Ao excluir uma base de conhecimento que usa o Amazon Neptune Analytics, exclua primeiro a base de conhecimento e, em seguida, o grafo do Amazon Neptune Analytics. A exclusão de uma base de conhecimento não exclui automaticamente o grafo subjacente. Cobranças adicionais podem ser aplicadas até que você exclua explicitamente o grafo. Ou você pode definir sua política de exclusão de fonte de dados no modo RETAIN para excluir primeiro o grafo sem causar falhas. Para obter mais informações, consulte Excluir uma fonte de dados da base de conhecimento do Amazon Bedrock.
