यह पत्र एक नवीन दृष्टिकोण प्रस्तावित करता है जो ज्ञान-प्रधान कार्यों में बड़े पैमाने के भाषा मॉडल (LLM) की सीमाओं को दूर करने के लिए LLM और ज्ञान ग्राफ (GraphRAG) को संयोजित करता है। ज्ञान ग्राफ निर्माण की चुनौती का समाधान करने के लिए, जो मौजूदा GraphRAG दृष्टिकोणों के सामने एक प्रमुख चुनौती है, हम डोमेन-विशिष्ट अवधारणाओं के एक परिष्कृत ऑन्कोलॉजी और स्रोत दस्तावेज़ों के अवधारणा-आधारित शब्दकोश विश्लेषण का उपयोग करके एक त्रि-परत ज्ञान ग्राफ के निर्माण की एक विधि प्रस्तावित करते हैं। इसमें जटिल डोमेन-विशिष्ट वस्तुओं और उनके संबद्ध पाठ खंडों को जोड़ना शामिल है। LLM प्रॉम्प्ट निर्माण को एक अप्रशिक्षित नोड वर्गीकरण समस्या के रूप में सूत्रबद्ध किया गया है, जो सूचना घनत्व, कवरेज और प्रॉम्प्ट लंबाई को अनुकूलित करता है। चिकित्सा क्षेत्र में प्रायोगिक मूल्यांकन दर्शाते हैं कि प्रस्तावित विधि LLM प्रॉम्प्ट की सूचना घनत्व, कवरेज और व्यवस्था को अनुकूलित करती है, साथ ही उनकी लंबाई को कम करती है, जिसके परिणामस्वरूप लागत बचत होती है और LLM आउटपुट अधिक सुसंगत और विश्वसनीय होता है।
