ПОРІВНЯЛЬНИЙ АНАЛІЗ ШВИДКОСТІ ПОШУКУ В KNOWLEDGE GRAPHS
Ключові слова:
граф; семнитичний пошук; graph trnasgormer networkАнотація
Графи знань (KG) відіграють ключову роль у зберіганні та отриманні структурованих знань, але традиційні методи баз даних, такі як SQL і NoSQL, часто призводять до затримок у виконанні запитів. У цьому документі пропонуються методи оптимізації швидкості пошуку за допомогою індексів графів, представлень векторних вузлів і сучасних алгоритмів пошуку подібності, таких як HNSW (Hierarchical Navigable Small World) і FAISS (Facebook AI Similarity Search). Результати дослідження демонструють покращену продуктивність пошуку, що сприяє більш ефективному використанню Retrieval-Augmented Generation (RAG) у великих графах знань.
Посилання
Gao, Y., Liu, Y., Zhang, H., Li, Z., Zhu, Y. Estimating GPU Memory Consumption of Deep Learning Models. In Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering, Virtual, 8–13 November 2020.
Xu, Y.; Xie, L.; Gu, X.; Chen, X.; Chang, H.; Zhang, H.; Chen, Z.; Zhang, X.; Tian, Q. QA-LoRA: Quantization-Aware Low-Rank Adaptation of Large Language Models. arXiv 2023, arXiv:2309.14717.
Romanov, O., Nesterenko, M., Mankivskyi, V., Zhuk, O. Principles of Building Modular Control Plane in Software-Defined Network//Lecture Notes in Networks and Systems, 2023, 548, страницы 333–355. https://link.springer.com/chapter/10.1007/978-3-031-16368-5_17
Christophe, C.; Kanithi, P.K.; Munjal, P.; Raha, T.; Hayat, N.; Rajan, R.; Al-Mahrooqi, A.; Gupta, A.; Salman, M.U.; Gosal, G.; et al. Med42—Evaluating Fine-Tuning Strategies for Medical LLMs: Full-Parameter vs. Parameter-Efficient Approaches. arXiv 2024, arXiv:2404.14779v1.
Han, T.; Adams, L.C.; Papaioannou, J.-M.; Grundmann, P.; Oberhauser, T.; Löser, A.; Truhn, D.; Bressem, K.K. MedAlpaca—An Open-Source Collection of Medical Conversational AI Models and Training Data. arXiv 2023, arXiv:2304.08247
O. Romanov, M. Nesterenko, and V. Mankivskyi, “The usage of regress model coefficient utilization of channels for creating the load distribution plan in network” in visnyk ntuu kpi seriia-radiotekhnika radioaparatobuduvannia, 2016, pp. 34-42.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Authors who submit to this conference agree to the following terms:a) Authors retain copyright over their work, while allowing the conference to place this unpublished work under a Creative Commons Attribution License, which allows others to freely access, use, and share the work, with an acknowledgement of the work's authorship and its initial presentation at this conference.
b) Authors are able to waive the terms of the CC license and enter into separate, additional contractual arrangements for the non-exclusive distribution and subsequent publication of this work (e.g., publish a revised version in a journal, post it to an institutional repository or publish it in a book), with an acknowledgement of its initial presentation at this conference.
c) In addition, authors are encouraged to post and share their work online (e.g., in institutional repositories or on their website) at any point before and after the conference.
