Re Reference AI

技術

ナレッジグラフとは

Knowledge Graph / 知識グラフ

実体をノード、実体間の関係をエッジとして知識をグラフ構造で表現したデータベース

知識検索

ひとことで言うと

「AさんはB社の創業者」「B社はC市にある」のような事実を、点と線のネットワークとして整理した知識のデータベース。

概要

ナレッジグラフとは、実体(エンティティ)をノード、実体間の関係をエッジとして、知識をグラフ構造で表現したデータベースを指す。 「企業Aの創業者は人物B」のような事実を構造化して蓄積し、推移的な関係の追跡や複数の関係をまたぐ質問への回答を可能にする。 検索エンジンの知識パネルなどで実用化されてきたが、LLMの登場後は、ハルシネーション対策として構造化知識をLLMへ与える情報源として再注目された。GraphRAGのように検索拡張生成と組み合わせる構成が広がっている。

歴史

概念は意味ネットワークなど古くからの知識表現の研究に遡るが、2012年にGoogleが検索機能「Knowledge Graph」を発表したことで広く知られるようになった。

利点

  • 実体間の関係を明示的に構造化するため、複数の関係をたどる複雑な質問にも答えやすい
  • 事実の出典や更新履歴を管理しやすく、LLMに知識を与える際の検証可能な情報源になる

欠点

  • グラフの構築・維持に人手や専用パイプラインのコストがかかる
  • 網羅性を高めるほどスキーマや関係の設計が複雑になる

関連用語

GraphRAGオントロジーRAGセマンティック検索

よくある質問

ナレッジグラフとベクトル検索の違いは何か。

ベクトル検索が意味的な類似度に基づいて情報を検索するのに対し、ナレッジグラフは実体間の明示的な関係をたどることで、多段階の関係を伴う質問にも対応できる。

GraphRAGとの関係は何か。

GraphRAGは、検索拡張生成(RAG)の情報源としてナレッジグラフを用いる手法で、テキストの類似度検索だけでは拾いにくい関係性の情報をLLMへ提供する。

関連Zenn記事