Type something to search...
to navigateto selectESC to close

Graphs

现代人工智能的核心：知识图谱和矢量数据库

现代人工智能的核心：知识图谱和矢量数据库

在快速发展的人工智能领域，检索增强生成（RAG）系统因其能够通过从外部数据库检索相关信息来增强传统人工智能模型而日益受到欢迎。这项技术的核心是两个关键工具——知识图谱和向量数据库——它们以根本不同的方式运作，但相辅相成，以解决各种问题。 为了理解它们的重要性，让我们来分析它们的概念、差异、优势，以及它们如何重塑各个行业。 1. 知识图谱：连接的基础

阅读更多
实践：使用 LangGraph 构建代理工作流（Langchain-academy 的主要学习内容） | 第 1 部分

实践：使用 LangGraph 构建代理工作流（Langchain-academy 的主要学习内容） | 第 1 部分

介绍 Langchain 最近推出了一门令人印象深刻的课程，专注于 LangGraph 及其在开发强大的代理和多代理工作流中的关键特性。 在本系列中，我们将探索课程中的基本见解，并创建利用代理工作流的应用程序。在第一部分中，我们将涵盖 LangGraph 的基本概

阅读更多
案例研究：将医生笔录转化为时态医疗记录知识图谱

案例研究：将医生笔录转化为时态医疗记录知识图谱

您是否有兴趣将医生/患者的医疗记录和记录转化为可以跨多个医疗历史、时间段和患者进行复杂查询的时间性知识图谱？ 在本案例研究中，我们展示了如何将医疗记录转化为您可以依赖于 RAG 和分析目的的时间性知识图谱。我们展示了针对该系统的真实问答，以及您可以通过该系统实现的业务成果。据我们所知，这里步骤的组合是一种相对新颖的知识图谱实现。 使用的数据 出于数据隐私原因，我们使用了一个合成

阅读更多