微軟GraphRAG自提出，已歷時快一年，PaperAgent對其發展歷程進行了專門梳理與總結：

• 去年4月，為解決傳統RAG在全局性的查詢總結任務上表現不佳，微軟多部門聯合提出Project GraphRAG（大模型驅動的KG）；
• 去年7月，微軟正式開源GraphRAG項目，引起極大關注，至今23.2k star，但落地時卻面臨巨大成本痛點（具體：LLM用于實體關系抽取+描述，社區總結）；
• 去年11月，為了上述痛點，微軟發布了LazyGraphRAG，將數據索引成本降低1000倍，只有GraphRAG的0.1%（使用 NLP 名詞短語提取來識別概念及其共現，再利用圖形統計來優化概念圖并提取分層社區結構）；
• 時隔3月，微軟GraphRAG項目迎來2.0.0版本，正式開源LazyGraphRAG，即NLP graph extraction功能。

LazyGraphRAG代碼解讀

• NLP圖譜抽取
  graphrag/index/workflows/extract_graph_nlp.py

• 建立名詞短語圖

graphrag/index/operations/build_noun_graph/build_noun_graph.py

nodes：

• 使用text_analyzer.extract方法從每個文本單元中提取名詞短語
• 去重

edges（共現關系）：

• 將節點數據框中的text_unit_ids展開，得到每個文本單元中出現的名詞短語列表
• 對每個文本單元中的名詞短語列表，生成所有可能的邊（即名詞短語對）

edge_weights：

• 按source和target分組，統計邊的權重（即邊出現的文本單元數量）
• 使用點互信息（PMI）對邊的權重進行歸一化

LazyGraphRAG技術原理

• 使用 NLP 名詞短語提取來提取概念及其共現
• 使用圖形統計來優化概念圖并提取分層社區結構

效果對比，LazyGraphRAG答案更加豐富，Query：描述 2024 年健康保險計劃開放注冊期間，美國個人在選擇健康保險計劃時應考慮哪些因素。

????本文轉載自??PaperAgent??，作者： PaperAgent ????