GLOBAL ESG KNOWLEDGE INTELLIGENCE研究 · 关联 · 理解 中文 / CN
AI & GRAPHRAG LAB

UED官网大模型让 AI 的回答,
沿着证据抵达问题。

研究实体识别、关系抽取与检索增强生成。每一次推理,都应能够回到可核查的来源。

01 文档与证据↓02 抽取与验证↓03 知识增强检索↓回答 + 引用 + 不确定性
RETRIEVAL, WITH CONTEXT

不同的问题,需要不同的检索路径。

BASELINE RAG

从文本片段出发

问题 → 相似度检索 → 文本证据 → 生成回答

适合局部事实查找。质量取决于切片、检索召回与证据上下文。

GRAPH-ENHANCED RETRIEVAL

从关系上下文出发

问题 → 实体与关系 → 局部或社区上下文 → 带证据的回答

适合研究跨文档连接,也增加抽取、消歧、构图和更新成本。

本站未部署在线大模型。此处说明研究架构,不提供AI问答服务;GraphRAG并非对所有问题都优于普通RAG。

AI实验室 / 实体消歧原创知识关系研究示意图
AI实验室 / 检索评测原创知识关系研究示意图
RESEARCH METHODOLOGY

从分散信息,
到结构化知识网络。

一条研究关系的产生,需要十个可检查的步骤。

01

多源数据

企业报告 / 政策 / 公开资料

02

文档解析

识别段落、表格与上下文

03

实体识别

识别企业、指标和事件

04

关系抽取

保留关系与证据片段

05

实体消歧

名称归一与主体核对

06

语义建模

本体、属性与关系约束

07

质量验证

核对重复、时间与来源

08

图谱生成

组织可查询的知识结构

09

图谱查询

邻居、多跳与证据检索

10

AI辅助研究

基于证据生成与人工复核

知识图谱组织语义关系;图数据库管理图数据;语义检索匹配信息;GraphRAG 将图结构用于检索增强生成。它们各有职责。

在线询盘

请留下您的联系方式,我们会尽快与您联系。

扫码联系我们