การประเมิน Graph RAG ด้วย RAGAS

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Graph RAG ด้วย LangChain และ Neo4j

SkillTag.level.advancedSkillTag.label

4.8+

109 reviews

เริ่มคอร์สฟรี

เรียนรู้ว่า Graph RAG ช่วยเพิ่มความแม่นยำและความน่าเชื่อถือของแอปพลิเคชัน RAG ได้อย่างไร จัดเก็บข้อมูลเป็น node และ edge ใน Neo4j database แล้วให้ LLM สามารถค้นหาข้อมูลเชิง entity และ relationship เพื่อนำมาตอบคำถามได้อย่างถูกต้อง

Exercise 1: กราฟและ RAG Exercise 2: การสร้างโหนด Exercise 3: การสร้างความสัมพันธ์Exercise 4: การบันทึก graph documents Exercise 5: การสืบค้น Knowledge Graph Exercise 6: การเขียน Cypher statements Exercise 7: การรัน Cypher Statement Exercise 8: clause MERGE Exercise 9: Text-to-Cypher Graph RAG กับ Neo4j Exercise 10: การสร้าง text-to-Cypher chain Exercise 11: Text-to-Cypher retrieval chain

แอปพลิเคชัน Text-to-Cypher ทำงานได้ดีในหลายสถานการณ์ แต่เราสามารถทำได้ดีกว่านั้น! มาเรียนรู้การสร้าง graph database โดยใช้ graph model รูปแบบต่าง ๆ ทั้ง lexical graph และ domain graph รวมถึงการสร้าง Neo4j vector index เพื่อให้ได้ประโยชน์จากทั้งสองโลก นั่นคือการค้นหาด้วย graph และ vector พร้อมกัน

Exercise 1: Lexical graph Exercise 2: องค์ประกอบของ Lexical Graph Exercise 3: การแบ่งบทละครออกเป็น Acts Exercise 4: การสร้าง Lexical Graph แบบลำดับชั้น Exercise 5: การผสานกราฟ Lexical เข้ากับการค้นหาด้วยเวกเตอร์Exercise 6: การสร้าง text chunk Exercise 7: การสร้าง Vector Index Exercise 8: Domain graph Exercise 9: การสร้าง structured output Exercise 10: การขอ structured output Exercise 11: การระบุตัวอย่าง Few-Shot Exercise 12: การสร้าง Hybrid Retrieval Chain Exercise 13: Runnable lambdas Exercise 14: การกำหนดค่าเพิ่มเติมให้กับ input Exercise 15: ลิงก์สุดท้ายในเชน

แม้ว่าแอปพลิเคชัน Graph RAG จะมีความน่าเชื่อถือสูงกว่า vector RAG แต่ก็ไม่ได้สมบูรณ์แบบเสมอไป ในบทนี้ คุณจะได้เรียนรู้วิธีประเมินแอปพลิเคชัน Graph RAG ตรวจจับ graph node ที่ผิดพลาดหรือซ้ำกัน และเพิ่มความสามารถด้านหน่วยความจำระยะยาวเพื่อให้ระบบเรียนรู้ความชอบของผู้ใช้ได้เมื่อเวลาผ่านไป

Exercise 1: Entity Resolution Exercise 2: การใช้งาน Entity ที่ดึงออกมา Exercise 3: การแก้ไข Entity ด้วยกราฟ Exercise 4: การประเมิน Graph RAG ด้วย RAGAS

แบบฝึกหัดปัจจุบัน

Exercise 5: การสร้างการประเมินด้วย Ragas Exercise 6: ประเมินการดึงข้อมูล context ด้วย Ragas Exercise 7: Memory Graphs Exercise 8: บันทึกหน่วยความจำการสนทนาลงในกราฟ Exercise 9: การดึงข้อเท็จจริงจากประวัติการสนทนา Exercise 10: การนำข้อเท็จจริงที่ดึงจากบทสนทนามาใช้งาน Exercise 11: ยินดีด้วย!