ترجمه فارسی مقاله HybridRAG: ادغام گراف‌های دانش و بازیابی برداری نسل افزوده برای استخراج کارآمد اطلاعات

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی HybridRAG: Integrating Knowledge Graphs and Vector Retrieval Augmented Generation for Efficient Information Extraction
عنوان مقاله به فارسی HybridRAG: ادغام گراف‌های دانش و بازیابی برداری نسل افزوده برای استخراج کارآمد اطلاعات
نویسندگان Bhaskarjit Sarmah, Benika Hall, Rohan Rao, Sunil Patel, Stefano Pasquali, Dhagash Mehta
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
دسته بندی موضوعات Computation and Language,Machine Learning,Statistical Finance,Applications,Machine Learning,محاسبه و زبان , یادگیری ماشین , امور مالی آماری , برنامه ها , یادگیری ماشین
توضیحات Submitted 9 August, 2024; originally announced August 2024. , Comments: 9 pages, 2 figures, 5 tables
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 9 صفحه ، 2 شکل ، 5 جدول

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 360,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Extraction and interpretation of intricate information from unstructured text data arising in financial applications, such as earnings call transcripts, present substantial challenges to large language models (LLMs) even using the current best practices to use Retrieval Augmented Generation (RAG) (referred to as VectorRAG techniques which utilize vector databases for information retrieval) due to challenges such as domain specific terminology and complex formats of the documents. We introduce a novel approach based on a combination, called HybridRAG, of the Knowledge Graphs (KGs) based RAG techniques (called GraphRAG) and VectorRAG techniques to enhance question-answer (Q&A) systems for information extraction from financial documents that is shown to be capable of generating accurate and contextually relevant answers. Using experiments on a set of financial earning call transcripts documents which come in the form of Q&A format, and hence provide a natural set of pairs of ground-truth Q&As, we show that HybridRAG which retrieves context from both vector database and KG outperforms both traditional VectorRAG and GraphRAG individually when evaluated at both the retrieval and generation stages in terms of retrieval accuracy and answer generation. The proposed technique has applications beyond the financial domain

چکیده به فارسی (ترجمه ماشینی)

استخراج و تفسیر اطلاعات پیچیده از داده های متن بدون ساختار ناشی از برنامه های مالی ، مانند رونوشت های فراخوانی درآمد ، چالش های اساسی را برای مدل های بزرگ زبان (LLM) ارائه می دهد حتی با استفاده از بهترین شیوه های فعلی برای استفاده از نسل تقویت شده بازیابی (RAG) (به عنوان Vectorrag گفته می شودتکنیک هایی که از پایگاه داده های بردار برای بازیابی اطلاعات استفاده می کنند) به دلیل چالش هایی مانند اصطلاحات خاص دامنه و قالب های پیچیده اسناد.ما یک رویکرد جدید را بر اساس ترکیبی به نام Hybridrag ، از تکنیک های RAG مبتنی بر نمودارهای دانش (KGS) (به نام Graphrag) و تکنیک های Vectorrag برای تقویت سیستم های پاسخ به سؤال (پرسش و پاسخ) برای استخراج اطلاعات از اسناد مالی معرفی می کنیم که نشان داده شده است.قادر به ایجاد پاسخ های دقیق و متنی مرتبط است.با استفاده از آزمایشات روی مجموعه ای از اسناد تماس تلفنی درآمدی مالی که به صورت فرمت پرسش و پاسخ ارائه می شوند ، و از این رو مجموعه ای طبیعی از جفت Q&AS زمین را ارائه می دهیم ، ما نشان می دهیم که هیبریدی که زمینه را از هر دو پایگاه داده بردار بازیابی می کند و KG از هر دو عملکرد سنتی استVectorrag و Graphrag به صورت جداگانه در هنگام ارزیابی در هر دو مرحله بازیابی و نسل از نظر دقت بازیابی و تولید پاسخ.تکنیک پیشنهادی دارای برنامه های فراتر از حوزه مالی است

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.