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.
Crie uma base de conhecimento com gráficos do Amazon Neptune Analytics
O Amazon Bedrock Knowledge Bases oferece um recurso GraphRag totalmente gerenciado com o Amazon Neptune. O GraphRag é um recurso fornecido com o Amazon Bedrock Knowledge Bases que combina modelagem gráfica com IA generativa para aprimorar a geração aumentada de recuperação (RAG). Esse recurso combina a pesquisa vetorial com a capacidade de analisar rapidamente grandes quantidades de dados gráficos do Amazon Neptune em aplicativos RAG.
O GraphRag identifica e aproveita 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 básicos, especialmente quando as informações precisam ser conectadas por meio de várias etapas lógicas. Isso significa que aplicativos generativos de IA podem fornecer respostas mais relevantes nos casos em que é necessário conectar dados e raciocínio em vários blocos de documentos. Isso permite que aplicativos como chatbots forneçam respostas mais relevantes dos modelos básicos (FMs) nos casos em que fatos, entidades e relacionamentos relacionados derivados de várias fontes de documentos são necessários para responder a perguntas.
Disponibilidade da região do GraphRag
O GraphRag está disponível no seguinte: 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 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 Amazon Bedrock.
-
Capacidade aprimorada de realizar pesquisas exaustivas que conectam 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 precisas ao conectar informações em várias fontes, o que ajuda a aumentar ainda mais a precisão e minimizar as alucinações.
Como funciona o GraphRag
Depois de realizar uma pesquisa vetorial inicial para os nós relevantes, o GraphRag da Base de Conhecimento Amazon Bedrock executa as seguintes etapas para gerar uma resposta melhor:
-
Recupera nós gráficos relacionados ou identificadores de fragmentos que estão vinculados aos fragmentos do documento recuperado.
-
Expande essas partes relacionadas percorrendo o gráfico e recuperando seus detalhes do banco de dados gráfico.
-
Fornece respostas mais significativas ao compreender as entidades relevantes e focar nas principais conexões usando esse contexto enriquecido.
Considerações e limitações do GraphRag
A seguir estão algumas limitações ao usar o Amazon Bedrock Knowledge Bases com o GraphRag
-
AWS PrivateLink a conectividade com seu VPC endpoint não é suportada ao usar o GraphRag com bases de conhecimento.
-
As opções de configuração para personalizar a construção do gráfico não são suportadas.
-
O escalonamento automático não é compatível com os gráficos do Amazon Neptune Analytics.
-
O GraphRag suporta apenas o Amazon S3 como fonte de dados.
-
Claude 3 O Haiku é escolhido como modelo básico para criar gráficos automaticamente para sua base de conhecimento. Isso permite automaticamente o enriquecimento contextual.
-
Cada fonte de dados pode ter até 1000 arquivos. Você pode solicitar o aumento desse limite para um máximo de 10.000 arquivos por fonte de dados. Como alternativa, você pode particionar seu bucket do Amazon S3 em pastas, onde cada pasta pode conter até 1000 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 pedaços da criança pelos pedaços correspondentes dos pais. Isso significa que seus resultados de pesquisa contêm o conteúdo específico e detalhado dos trechos dos filhos, em vez do contexto mais amplo dos trechos dos pais.
