[GraphRAG: Unlocking LLM discovery on narrative private data - Microsoft Research](https://www.microsoft.com/en-us/research/blog/graphrag-unlocking-llm-discovery-on-narrative-private-data/) 通常の[[RAG]]の苦手なケース 1. オブジェクト同士の関係性をつなぐようなパターン。例えば、「Aさんは誰に何をしましたか」。 2. データセット全体の理解が必要なパターン。例えば、「データに含まれる主要なトピック5つは何ですか」 通常のRAGはデータセットとなるドキュメントをEmbeddingのベクトル類似性などで検索するので、特定のトピックのキーワードが含まれないような2つ目のパターンは難しい。 GraphRAGではデータセットの情報をナレッジグラフで保持するので、データセット内のオブジェクトの関係性が明確に定義されていることや、データセット全体を意味のあるセマンティッククラスタで構造化していることなどので利点があるので、上記の1と2を克服しやすい。