Build GraphRAG applications using Amazon Bedrock Knowledge Bases
在这篇文章中，我们探讨了如何在亚马逊基岩知识库中使用基于图的检索型生成（GraphRag）来构建智能应用程序。与传统矢量搜索（根据相似性分数检索文档）不同，知识图编码实体之间的关系，允许大型语言模型（LLMS）通过上下文感知的推理检索信息。
ET Graphic: How the India-UK FTA turned the tariff tide
印度与英国的贸易协定对各种产品大大削减了关税。该协议有效后，有64％的关税线将有资格立即进入印度的免税进口。
ET Graphics | Tariff Impact: Will it be a 43% price rise for US iPhones?
苹果可能会因唐纳德·特朗普（Donald Trump）对中国，越南，印度和其他亚洲国家的产品关税而产生的关税约为395亿美元。为了缓解直接效果，苹果已经在美国库存了库存，可能需要提高价格，从而可能影响消费者的需求。
How Graph Neural Networks Improved Recommendations on Zalando: An Interview with Mariia Bulycheva
您如何开发一种新的机器学习方法并在欧洲最大的购物平台中成功实施它？ Zalando的机器学习工程师Mariia Bulycheva分享了图形神经网络（GNNS）如何帮助构建用户和内容数据，增强个性化建议并增加用户参与度。这种方法显着改善了点击预测，并启用了更多鼓舞人心的[…]
WhatsApp fixed zero-day flaw used to deploy Paragon Graphite spyware
WhatsApp修复了一个零单击的零日漏洞，用于在目标人的设备上安装Paragon的石墨间谍软件。 WhatsApp解决了一个零单击的零日漏洞，该漏洞利用将Paragon的石墨间谍软件安装在目标人的设备上。在公民报告[…]
Graphyne's transformation: A new carbon form with potential for electronics
graphyne是一种与钻石和石墨不同的碳的结晶形式。与钻石不同，每个原子都有四个直接的邻居或石墨，每个原子都有三个，绘图的结构结合了两个坐标和三坐标碳。
Faster distributed graph neural network training with GraphStorm v0.4
GraphStorm 是一个低代码企业图形机器学习 (ML) 框架，为 ML 从业者提供了一种在行业规模图形数据上构建、训练和部署图形 ML 解决方案的简单方法。在这篇文章中，我们展示了 GraphBolt 如何在分布式设置中增强 GraphStorm 的性能。我们提供了一个在 SageMaker 上使用 GraphStorm 和 GraphBolt 进行分布式训练的实际示例。最后，我们分享了如何将 Amazon SageMaker Pipelines 与 GraphStorm 结合使用。
Mitigating risk: AWS backbone network traffic prediction using GraphStorm
在本文中，我们展示了如何使用我们的企业图形机器学习 (GML) 框架 GraphStorm 来解决大规模复杂网络上的预测挑战，这些挑战受到我们探索 GML 以减轻 AWS 主干网络拥塞风险的实践的启发。
Improving Retrieval Augmented Generation accuracy with GraphRAG
AWS 合作伙伴 Lettria 证明，与仅使用向量的检索方法相比，将基于图形的结构集成到 RAG 工作流中可将答案准确率提高高达 35%。在这篇文章中，我们探讨了为什么 GraphRAG 比单独的向量 RAG 更全面、更易于解释，以及如何使用 AWS 服务和 Lettria 使用此方法。
When Graph AI Meets Generative AI: A New Era in Scientific Discovery
近年来，人工智能 (AI) 已成为科学发现的关键工具，为研究开辟了新的途径并加快了创新的步伐。在各种人工智能技术中，图形人工智能和生成式人工智能特别有用，因为它们有可能改变科学家处理复杂问题的方式。单独来看，每一项技术[…]文章《当图形人工智能遇到生成式人工智能：科学发现的新时代》首次出现在 Unite.AI 上。
Unbundling the Graph in GraphRAG
生成式 AI 实践中经常遇到的一个术语是检索增强生成 (RAG)。使用 RAG 的原因很明显：大型语言模型 (LLM) 实际上是语法引擎，它们倾向于通过从训练数据中编造答案来“产生幻觉”。这些随机的结果可能很有趣，尽管并非完全基于事实。RAG 提供了一种方法 [...]
GraphRAG in Action: From Commercial Contracts to a Dynamic Q&A Agent
基于问题的提取方法在这篇博文中，我们介绍了一种利用图形检索增强生成 (GraphRAG) 方法的方法 — 以简化提取商业合同数据和构建问答代理的过程。这种方法与传统的 RAG（检索增强生成）不同，它强调数据提取的效率，而不是不加区分地分解和矢量化整个文档，这是主要的 RAG 方法。在传统的 RAG 中，每个文档都被分成块并进行矢量化以进行检索，这会导致大量不必要的数据被拆分、分块并存储在矢量索引中。然而，这里的重点是从每个合同中提取最相关的信息，以用于特定用例，即商业合同审查。然后将数据构建成知识图谱，该图谱组织关键实体和关系，从而允许通过 Cypher 查询和向量搜索进行更精确的图数据检索。
AI Agent Workflows: A Complete Guide on Whether to Build With LangGraph or LangChain
深入研究由同一创建者开发的两个库 — LangChain 和 LangGraph：它们的关键构建块、它们如何处理核心功能，以及如何根据你的用例决定使用哪个库语言模型已经为用户如何与 AI 系统交互以及这些系统如何通过自然语言相互通信提供了可能性。当企业想要使用 Agentic AI 功能构建解决方案时，第一个技术问题通常是“我使用什么工具？”对于那些急于入门的人来说，这是第一个障碍。来源：Dalle-3在本文中，我们将探讨用于构建 Agentic AI 应用程序的两个最流行的框架 — LangChain 和 LangGraph。在本文结束时，你应该彻底了解关键构建块，了解每个框架在处理核心功能
A Graph Too Far: Graph RAG Doesn’t Require Every Graph Tool
不要使用图形 DB、QL 或图形分析使事情复杂化。知识图谱中的冒险：迷失在无尽的文档中。由 Brian Godsey 使用 DALL-E 生成。当 RAG 开发人员决定尝试图形 RAG（即构建知识图谱并将其集成到他们的 RAG（检索增强生成）系统中）时，根据互联网，他们有很多选择。有很多文章、指南和操作方法介绍了使用图形 RAG 和一般图形的不同工具。因此，一些开发人员直接开始，认为他们需要集成和配置一长串图形工具和技术才能正确执行图形 RAG。当搜索如何入门时，你通常会发现一些文章建议你需要以下部分或全部内容：知识图谱——连接语义搜索无法捕获的关键术语和概念关键字和实体提取工具——用于构建知
GraphMuse: A Python Library for Symbolic Music Graph Processing
是的，音乐和图表确实可以融合！在这篇文章中，我们将介绍我的最新论文和开源软件之一：GraphMuse Python 库。但在深入研究之前，让我先向您介绍一些符号音乐处理的基础知识。故事是这样的……符号音乐处理主要指从乐谱中提取信息。术语“符号”是指任何形式的乐谱或符号中存在的符号。乐谱可以包含除音符之外的各种元素。这些元素可能包括拍号、调号、发音标记、力度标记等。乐谱可以采用多种格式，例如 MIDI、MusicXML、MEI、Kern、ABC 等。近年来，图神经网络 (GNN) 越来越受欢迎，并在从生物网络到推荐系统再到音乐分析的许多领域取得了成功。在音乐分析领域，GNN 已用于解决和声分析、
IDJC’s ElectionGraph: Surge in Negative Ads After Summer Assassination Attempt
根据新的 ElectionGraph，尽管两大政党都呼吁缓和激烈的言论，但在 7 月发生针对前总统唐纳德·特朗普的暗杀企图后，美国总统竞选中 Facebook 和 Instagram 上的负面广告数量激增...
Implementing GraphReader with Neo4j and LangGraph
通过将长文档构造成可探索的图形并实现基于图形的代理系统来提高 RAG 的准确性和性能ChatGPT 想象中的遍历图形的 AI 代理大型语言模型 (LLM) 非常适合传统的 NLP 任务，例如总结和情绪分析，但更强大的模型也表现出良好的推理能力。LLM 推理通常被理解为通过制定计划、执行计划并评估每一步的进展来解决复杂问题的能力。基于此评估，他们可以通过修改计划或采取替代行动来适应。代理的兴起正成为一种越来越引人注目的方法来回答 RAG 应用程序中的复杂问题。在这篇博文中，我们将探讨 GraphReader 代理的实现。此代理旨在从遵循预定义模式的结构化知识图中检索信息。与您在演示文稿中可能看到
