Knowledge Graphs for RAG

知识图谱（Knowledge Graphs）在检索增强生成（Retrieval Augmented Generation, RAG）中的应用是DeepLearning.AI推出的一门新课程。该课程旨在教会学员如何利用知识图谱来改进大语言模型（LLMs）的输出，通过构建更加相关的上下文，而不仅仅依赖于语义搜索。

课程内容概述

1. 基础知识
   学员将学习知识图谱如何使用节点和边来存储和表示数据之间的关系。

2. Cypher查询语言
   使用Neo4j的Cypher查询语言来管理和检索存储在知识图谱中的数据，包括查询电影和演员数据的图谱。

3. 向量索引
   增加向量索引以表示非结构化文本数据，通过向量相似性搜索找到相关文本。

4. 构建知识图谱
   从零开始构建一个包含金融和投资文件的知识图谱。

5. 高级技巧
   探索连接多个知识图谱和使用复杂查询进行全面数据检索的高级方法。

6. 高级Cypher查询
   编写高级Cypher查询，从图谱中检索相关信息，并将其格式化以包含在LLM的提示中。

适合人群

任何对理解知识图谱工作原理、构建知识图谱并创建更好的RAG应用感兴趣的人。建议学员熟悉LangChain或者先完成“LangChain: Chat with Your Data”课程。

讲师

课程由Neo4j的生成式AI开发者关系负责人Andreas Kollegger教授。

特别说明

该课程在DeepLearning.AI学习平台的测试期间可以免费注册和学习。

通过这门课程，学员将掌握利用知识图谱增强数据洞察力的技能，并提升LLM的性能。