Link:kg-rag
KG-RAG是一個任務無關的框架,它結合知識圖譜的顯性知識和大型語言模型的隱性知識。這裡,我們利用一個巨大的生物醫學知識圖譜SPOKE作為生物醫學上下文的提供者。KG-RAG的主要特徵是它從SPOKE知識圖譜中提取“與提示相關的上下文”,這被定義為響應使用者提示所需的最小上下文。
需求人群:
"處理知識密集型自然語言處理任務,如問答、總結、文字生成等"
使用場景示例:
基於提示‘What is the function of gene P53’,檢索P53相關知識圖譜,返回解釋P53基因功能的文字
基於藥物名稱提示,檢索藥物作用機制相關知識圖譜,生成藥物作用總結
基於病症描述提示,檢索病症相關知識圖譜實體和關係,生成病症診斷報告
產品特色:
提取與提示相關的知識圖譜上下文
賦能通用語言模型,結合域特定上下文
支援GPT和Llama模型