junghanacs

GraphRAG: 지식그래프 검색증강생성

4 min read

References

박나연. 2024. “생성형 Ai를 위한 Neo4j 튜토리얼 - Neo4j GraphRAG.” 위키독스. 2024. https://wikidocs.net/book/16760.

“GraphRAG for Python — Neo4j-Graphrag-Python Documentation.” 2024. 2024. https://neo4j.com/docs/neo4j-graphrag-python/current/.

“Khoj-Ai/Knowledge-Graph.” (2025) 2025. Khoj AI. https://github.com/khoj-ai/knowledge-graph.

“Microsoft/Graphrag.” (2024) 2025. Microsoft. https://github.com/microsoft/graphrag.

“Pingcap/Autoflow.” (2024) 2025. PingCAP. https://github.com/pingcap/autoflow.

History

관련링크

khoj-ai/knowledge-graph

  • (“Khoj-Ai/Knowledge-Graph” [2025] 2025)
  • A minimal implementation of GraphRAG, designed to quickly prototype whether you’re able to get good sense-making out of a large dataset with creation of a knowledge graph.

pingcap/autoflow

(“Pingcap/Autoflow” [2024] 2025)

  • pingcap/autoflow is a Graph RAG based and conversational knowledge base tool built with TiDB Serverless Vector Storage. Demo: https://tidb.ai

microsoft/graphrag

(“Microsoft/Graphrag” [2024] 2025)

  • A modular graph-based Retrieval-Augmented Generation (RAG) system

생성형 AI를 위한 Neo4j 튜토리얼 - Neo4j GraphRAG

(박나연 2024)

GraphRAG for Python — neo4j-graphrag-python documentation

(“GraphRAG for Python — Neo4j-Graphrag-Python Documentation” 2024)

2025-02-14 W06

Retrieval-Augmented Generation (RAG)

@user graphrag에 대해서 지식그래프와 연계하여 알려줘

@assistant *GraphRAG*는 *지식 그래프*와 *대형 언어 모델(LLM)*을 결합하여 정보 검색 및 질의응답 시스템의 정확성을 높이는 기술입니다. 이 기술은 기존의 *Retrieval-Augmented Generation (RAG) 모델을 개선하여, 지식 그래프를 활용해 보다 풍부한 문맥 정보를 제공합니다.

GraphRAG의 주요 특징

  • 지식 그래프 기반 인덱싱: LLM이 생성한 지식 그래프를 사용하여 데이터 내의 의미적 관계를 포착하고, 더 효과적인 정보 검색을 가능하게 합니다[1][2].
  • LLM 오케스트레이션: 구축된 지식 그래프를 사용하여 LLM을 오케스트레이션하여 검색 증강 생성 작업을 향상시킵니다. 이를 통해 더 정확하고 문맥적으로 관련성 있는 결과를 도출할 수 있습니다[1][3].
  • 복잡한 데이터셋 처리: GraphRAG는 복잡한 데이터셋 분석, 트렌드 요약, 데이터 통합과 같은 새로운 시나리오를 지원하며, 대규모 데이터셋을 효율적으로 처리할 수 있습니다[1][2].

GraphRAG의 장점

  • 검색 결과의 관련성 향상: 전체 데이터 셋의 의미를 포괄적으로 파악하여 검색 결과의 관련성을 높입니다[1].
  • 새로운 시나리오 지원: 복잡한 데이터셋 분석, 트렌드 요약 및 데이터 통합과 같은 새로운 시나리오를 지원합니다[1].

GraphRAG의 한계

  • 대규모 데이터셋에서의 인덱싱 및 검색 복잡성: 대규모 데이터셋에서 인덱싱 및 검색 과정이 복잡할 수 있으며, 실시간 응답 속도를 유지하는 데 어려움이 있을 수 있습니다[1].

Citations: [1] https://seo.goover.ai/report/202406/go-public-report-ko-fccbd452-ed70-4526-b16d-95910861bec2-0-0.html [2] https://seo.goover.ai/report/202406/go-public-report-ko-b9731fb1-ce78-4de1-919d-0d9a7dda548c-0-0.html [3] https://digitalbourgeois.tistory.com/543 [4] https://graphwoody.inblog.ai/GraphRAG-01 [5] https://brunch.co.kr/@b2439ea8fc654b8/38

@user

Backlinks