AWS 환경에서 Graph RAG를 쉽게 구현할 수 있는 오픈소스 프레임워크
- 핵심 아키텍처: 3계층 그래프 모델
- 계통 (Lineage) 계층: 원본 문서의 출처와 구조를 추적
- 개체-관계 (Entity-Relationship) 계층: 문서에서 추출한 개체와 관계를 저장하는 핵심 Knowledge Graph
- 요약 (Summarization) 계층: 정보를 다양한 수준(주제, 서술, 사실)으로 추상화하여 저장. 문서 간의 글로벌 연결성을 확보하는 데 중요한 역할
- 색인 과정 (Indexing)
- 추출 (Extract): LLM이 문서를 분석하여 개체, 관계, 주제, 서술, 사실 등을 구조화된 데이터로 뽑아냄
- 구축 (Build): 추출된 데이터를 Graph Database와 벡터 스토어에 저장하여 검색 가능한 상태로 만듬
- 검색 과정 (Retrieval)
- TraversalBasedRetriever: Vector Search로 시작(Top-down)하거나 키워드로 시작(Bottom-up)하여 그래프를 직접 탐색
- SemanticGuidedRetriever: 벡터 유사도 검색, 키워드 랭킹, 빔 서치(관계를 따라 가장 유망한 경로를 탐색) 등 여러 전략을 결합한 하이브리드 방식