タグ: #knowledge-graph
GPU・LLM・MLOps・Kubernetes、そしてマインドセット · 6 件
#knowledge-graph タグの記事は6件で、最新の記事は2026-07-15に公開されました。
よく一緒に付くタグ: #ai 2 #deep-dive 2 #graph-rag 2 #japanese 2 #llm 2
過去90日間によく読まれた記事:
ドキュメントから知識グラフへ — 正直な構築パイプライン
「ドキュメントから知識グラフを抽出する」はデモでは LLM 呼び出し一回のように見えます。しかし顧客のドキュメントを実際にクエリ可能なグラフに変える仕事は6段階のパイプラインであり、コストと苦痛の大半は抽出ではなくエンティティ解決にあります。この記事では、スキーマ(オントロジー)を先に決める理由、LLM ベースのスキーマ制約抽出(LangChain の LLMGraphTransformer、LlamaIndex の Simple/Sc
2026-07-15 · 17 分で読めます #knowledge-graph#ai#llm#data-engineering知識グラフのツール・フレームワーク地図 — 何を、いつ選ぶか
グラフデータベース、RDF・オントロジースタック、グラフRAGフレームワークは、この2年で爆発的に増えました。リンク集はもう十分にあるので、この記事は代わりに、正直に意見を込めた地図を描きます。カテゴリごとに、何のためのものか、代表的なツールを2〜3個、そして「いつ何を選ぶか」をはっきり述べます — 組み込み(Kùzu)vsサーバー(Neo4j)、形式的なOWL/RDF vs実用的なプロパティグラフ、自作の抽出パイプライン vs Mic
2026-07-15 · 15 分で読めます #tools#knowledge-graph#graph-rag#ontology#frameworksGraph RAG とは何か — ベクトルRAGが行き詰まる場所と、コストに見合う瞬間
RAGの標準レシピ(チャンク→埋め込み→上位k件の検索)は、答えが一つのチャンクに収まっているときはよく効きますが、マルチホップの質問や、コーパス全体を貫くグローバルな「センスメイキング」質問では構造的に行き詰まります。MicrosoftのGraphRAGはこの2つの死角を狙い、LLMでコーパスから知識グラフを抽出し、Leidenアルゴリズムでコミュニティを検出して要約を事前生成します。そのうえでグローバルな質問はコミュニティ要約のマッ
2026-07-15 · 15 分で読めます #rag#graph-rag#knowledge-graph#ai#llm顧客のドメインをモデルへ — ユビキタス言語からオントロジーまで
顧客企業のドメイン知識は、たいていドキュメントではなく人の頭の中に暗黙知として存在します。Forward Deployed Engineerの中核的な仕事の一つは、この散らばった暗黙知をチーム全体が共有できる明示的なモデルへ変えることです。この記事は、最も安く価値の高い第一歩であるDDDのユビキタス言語から出発し、同じ単語が別のものを指す衝突を境界づけられたコンテキストで扱い、エンティティ・値オブジェクト・集約で名詞をモデリングします。
2026-07-15 · 19 分で読めます #ontology#knowledge-graph#domain-driven-design#architecture#forward-deployed-engineerグラフDB & ナレッジグラフ 2026 完全ガイド — Neo4j 5 · ArangoDB · Memgraph · TigerGraph · Amazon Neptune · Apache AGE · Kuzu · FalkorDB · Dgraph · GraphRAG 徹底解説
2026年5月時点のグラフデータベースとナレッジグラフ生態系を一気にまとめます。Neo4j 5、ArangoDB、Memgraph、TigerGraph、Amazon Neptune、Apache AGE、Kuzu、FalkorDB、DgraphなどのグラフDB、GraphDB・Stardog・Virtuoso・Apache JenaなどのRDFトリプルストア、Cypher・GQL・Gremlin・SPARQLクエリ言語、Microso
2026-05-16 · 32 分で読めます #graph-database#knowledge-graph#neo4j#arangodb#memgraphAIエージェントメモリと長期コンテキスト 2026 — Mem0 / Zep / Letta / Cognee / Graphiti / Anthropic Memory 詳細ガイド
コンテキストウィンドウが100万トークンを超えた2026年でも、エージェントメモリは未解決の問題だ。Mem0、Zep、Letta（旧MemGPT）、Cognee、Anthropic Memory API、OpenAI Memory、Graphiti、Verba、Cody Memories、そしてGenerative Agentsまで — ベクトルメモリ・グラフメモリ・エピソードメモリの3モデルを比較し、短期・作業・長期（意味・エピソード
2026-05-16 · 29 分で読めます #ai-memory#agent-memory#mem0#zep#letta