2025.02.22 (六) 14:00 – 17:00
在當前數據驅動的時代，如何將分散的資訊轉化為有價值的知識，已成為每個企業與個人面臨的關鍵挑戰。知識圖譜（Knowledge Graph）作為結構化數據整合的核心技術，正廣泛應用於搜索引擎、推薦系統、金融分析等領域，帶來了無數可能。而 GraphRAG 技術的出現，更是讓生成式 AI 跨越了準確性與上下文理解的限制，為未來的智能應用鋪平了道路。
線上活動
此為線上活動，不受地點限制，輕鬆享受活動樂趣！
本活動將於 Google Meet 直播
活動簡介
知識圖譜（Knowledge Graph） 是一種能將分散的數據結構化的技術，其核心是通過節點（實體）、邊（關係）以及屬性來表達現實世界中的知識。這種技術最早由 Google 在 2012 年引入，用於增強搜尋結果的準確性與豐富性，並迅速成為許多產業中處理大規模數據的重要工具。
知識圖譜的核心價值
1. 資料整合與語義關聯
整合結構化和非結構化數據，透過語義關聯轉化為有意義的知識網絡。
2. 提升資料可用性
- 語義查詢：以自然語言進行問題查詢。
- 自動推理：基於已知知識生成新結論。
3. 多領域應用
- 金融：投資網絡分析、風險控制、反欺詐
- 醫療：疾病關聯分析、醫學文獻檢索
- 智慧城市：交通管理、資源調度
- 電商與推薦系統：產品推薦、用戶個性化服務
圖譜與大型語言模型的結合
圖譜與大型語言模型的結合
生成式 AI（如 ChatGPT、GPT-4）已成為人工智慧領域的關鍵技術，但仍面臨挑戰，例如：
- 幻覺問題：生成錯誤或不準確的內容
- 上下文理解限制：無法深入理解數據間的複雜關聯
- GraphRAG（Graph Retrieval-Augmented Generation） 技術將知識圖譜與生成式 AI 結合，提供有效解決方案
- 知識檢索增強：從結構化數據中檢索相關資訊，作為語言模型的上下文
- 語言生成強化：將檢索結果嵌入生成式模型，生成更準確的內容
GraphRAG 的應用場景
- 問答系統
基於知識圖譜生成準確的回答，廣泛應用於醫療、法律等領域。 - 知識探索與研究
提取學術文獻中的研究關聯，構建學術知識圖譜與摘要。 - 個性化推薦
結合知識圖譜與生成式 AI，為用戶提供個性化推薦。 - 金融分析
分析公司間的投資關係網絡，生成投資報告或數據洞察。
GraphRAG 的技術優勢
- 準確性：解決生成式模型的幻覺問題
- 可解釋性：生成內容可追溯至具體的知識來源
- 靈活性：適用於多領域的複雜知識場景
為何選擇這門課程
● 課程內容概述：
深入探索知識圖譜與 GraphRAG 的應用。
● 知識圖譜學習：
教授知識圖譜的建構與管理。
● GraphRAG 應用：
聚焦於 GraphRAG 的實際應用場景。
● 財務金融知識圖譜：
構建財務金融領域的知識圖譜。
活動嘉賓
王健安
