Bài báo này đề xuất một phương pháp mới kết hợp LLM và đồ thị tri thức (GraphRAG) để khắc phục những hạn chế của mô hình ngôn ngữ quy mô lớn (LLM) trong các tác vụ đòi hỏi nhiều kiến thức. Để giải quyết thách thức về việc tạo đồ thị tri thức, một thách thức chính mà các phương pháp GraphRAG hiện có phải đối mặt, chúng tôi đề xuất một phương pháp xây dựng đồ thị tri thức ba lớp bằng cách sử dụng một thuật ngữ học phức tạp về các khái niệm chuyên biệt theo miền và phân tích từ điển dựa trên khái niệm của các tài liệu nguồn. Phương pháp này liên quan đến việc liên kết các đối tượng chuyên biệt theo miền phức tạp và các phân đoạn văn bản liên quan của chúng. Việc tạo lời nhắc LLM được xây dựng như một bài toán phân loại nút không giám sát, tối ưu hóa mật độ thông tin, phạm vi bao phủ và độ dài lời nhắc. Các đánh giá thực nghiệm trong lĩnh vực y tế chứng minh rằng phương pháp được đề xuất tối ưu hóa mật độ thông tin, phạm vi bao phủ và cách sắp xếp các lời nhắc LLM, đồng thời giảm độ dài của chúng, dẫn đến tiết kiệm chi phí và đầu ra LLM nhất quán và đáng tin cậy hơn.
