GraphRAG

GraphRAG クラスは、検索拡張生成にグラフベースのアプローチを実装します。ドキュメントチャンクから、ノードがドキュメント、エッジが意味的な関係を表すナレッジグラフを作成し、直接的な類似度マッチングとグラフ探索による関連コンテンツの発見の両方を実現します。

基本的な使い方

import { GraphRAG } from '@mastra/rag'

const graphRag = new GraphRAG({
  dimension: 1536,
  threshold: 0.7,
})

// Create the graph from chunks and embeddings
graphRag.createGraph(documentChunks, embeddings)

// Query the graph with embedding
const results = await graphRag.query({
  query: queryEmbedding,
  topK: 10,
  randomWalkSteps: 100,
  restartProb: 0.15,
})

コンストラクターのパラメーター

dimension?:

number

= 1536

埋め込みベクトルの次元数

threshold?:

number

= 0.7

ノード間にエッジを作成する際の類似度しきい値（0〜1）

メソッド

createGraph

ドキュメントチャンクとその埋め込みからナレッジグラフを作成します。

createGraph(chunks: GraphChunk[], embeddings: GraphEmbedding[]): void

パラメーター

chunks:

GraphChunk[]

テキストとメタデータを含むドキュメントチャンクの配列

embeddings:

GraphEmbedding[]

チャンクに対応する埋め込みの配列

query

ベクトル類似度とグラフ探索を組み合わせたグラフベースの検索を実行します。

query({
  query,
  topK = 10,
  randomWalkSteps = 100,
  restartProb = 0.15
}: {
  query: number[];
  topK?: number;
  randomWalkSteps?: number;
  restartProb?: number;
}): RankedNode[]

パラメーター

query:

number[]

クエリの埋め込みベクトル

topK?:

number

= 10

返す結果の数

randomWalkSteps?:

number

= 100

ランダムウォークのステップ数

restartProb?:

number

= 0.15

クエリノードからウォークを再開する確率

戻り値

RankedNode オブジェクトの配列を返します。各ノードには以下が含まれます。

id:

string

ノードの一意な識別子

content:

string

ドキュメントチャンクのテキストコンテンツ

metadata:

Record<string, any>

チャンクに関連付けられた追加のメタデータ

score:

number

グラフ探索による総合的な関連度スコア

高度な例

const graphRag = new GraphRAG({
  dimension: 1536,
  threshold: 0.8, // Stricter similarity threshold
})

// Create graph from chunks and embeddings
graphRag.createGraph(documentChunks, embeddings)

// Query with custom parameters
const results = await graphRag.query({
  query: queryEmbedding,
  topK: 5,
  randomWalkSteps: 200,
  restartProb: 0.2,
})

関連項目

• createGraphRAGTool