| GraphRAG |
圖譜檢索增強生成 |
在標準 RAG 基礎上，利用知識圖譜的關聯關係擴展檢索脈絡，提升多跳推理與可解釋性 |
| Retrieval-Augmented Generation (RAG) |
檢索增強生成 |
先檢索相關來源材料，再讓模型以該材料為脈絡作答，藉以「接地」減少幻覺 |
| Knowledge Graph |
知識圖譜 |
以實體與關係構成的結構化資料；GraphRAG 從中擴展取得連結脈絡 |
| Neo4j |
Neo4j（圖資料庫） |
文中主角圖資料庫平台，提供 GenAI / Cypher AI 程序 |
| Cypher |
Cypher 查詢語言 |
Neo4j 的圖查詢語言；LLM 可將自然語言轉成 Cypher 查詢執行 |
| Text-to-Cypher |
文字轉 Cypher |
LLM 將自然語言問題生成 Cypher 查詢，執行後再轉回自然語言回答 |
| Vector search |
向量搜尋 |
找出與問題語意相似的節點/文件，作為 GraphRAG 的檢索入口點 |
| Vector index |
向量索引 |
建立在儲存 embedding 的節點屬性上，用於相似度檢索 |
| Embeddings |
詞嵌入向量 |
將文字（如電影劇情、wiki 頁面）轉成向量以供向量搜尋 |
| Graph traversal |
圖譜遍歷 |
沿著有意義的關係從入口節點擴展，蒐集更豐富的連結脈絡 |
| Multi-hop reasoning |
多跳推理 |
跨多個實體與關係連接證據的推理，圖遍歷特別擅長 |
| Labeled Property Graph (LPG) |
標籤屬性圖 |
以標籤與屬性建模的圖（相對於 RDF），論文視為 GraphRAG 的推理引擎 |
| RDF / SPARQL |
RDF / SPARQL |
既有 GraphRAG 研究多聚焦的圖資料模型與查詢語言 |
| Shortest paths |
最短路徑 |
在兩個種子節點間取有限長度（0–4 跳）路徑以捕捉橋接脈絡 |
| Named Entity Extraction |
命名實體擷取 |
抽出標籤、屬性值、關係型別等可能被幻覺生成的實體加以驗證 |
| Levenshtein / rapidfuzz |
萊文斯坦距離 / rapidfuzz |
以字串相似度比對找出圖中實際存在的候選實體 |
| Agentic workflow |
代理式工作流 |
多代理（生成、執行、評估、驗證、回饋）迭代修正 Cypher 查詢 |
| Hallucination |
幻覺 |
LLM 生成看似自信卻錯誤的內容；RAG / GraphRAG 旨在降低之 |
| Star graph |
星狀圖 |
一個中心實體連結眾多屬性/文件的簡易高價值起始圖結構 |
| Hybrid RAG |
混合式 RAG |
結合向量搜尋（召回）與圖邏輯（精確、推理）的實務常見架構 |