GraphRAG 的知识图谱是如何从文本中构建的？

GraphRAG 的知识图谱由大语言模型在离线抽取阶段自动构建，无需人工标注，其核心是"文本块 → 图元素 → 图聚合"的三步转化。

1. 文本块切分

• 源文档被分割为粒度适中的文本块，用于后续的实体与关系抽取
• 切分粒度直接影响抽取质量：官方实验表明，在 HotPotQA 数据集上，采用 600 token 的分块所抽取的实体引用数量，接近 2400 token 分块的两倍
• 分块越短，实体召回率越高，但需要更多的 LLM 调用，需在召回率与效率之间权衡

2. 图元素抽取

• 大语言模型对每个文本块识别实体（名称、类型、描述）与关系（源实体、目标实体、关系描述）
• 抽取结果以分隔元组的形式输出，实体与关系共同构成图的节点与边
• 可通过多轮"gleanings"（补全式抽取）机制，促使模型补全首轮遗漏的实体，从而在较大分块下仍保持抽取质量

3. 图聚合与去重

• 各文本块抽取出的实体与关系被聚合为统一的无向加权图
• 边的权重反映实体在语料中共现的频率与强度
• 指向同一实体的不同名称变体会被归并为规范节点，图谱对命名不一致具有一定容错能力