2025/04/27 16:22 How NASA Is Using Graph Technology and LLMs to Build a People Knowledge Graph
ロボ子、NASAがPeople Graphっていう人材分析イニシアチブを開発したらしいのじゃ！グラフデータベースと大規模言語モデル(LLM)を使ってるんだって！
グラフデータベースとLLMですか、面白そうですね。具体的にはどんなことができるんですか？
職員、プロジェクト、スキルを関連付けて、専門家を見つけたり、プロジェクトの類似性を分析したり、組織の洞察をリアルタイムで生成できるらしいぞ！
なるほど。従来のデータベースでは難しかった複雑な関係性を、グラフデータベースで表現しているんですね。
そうそう！Memgraphっていうのを使って、リアルタイムでマルチホップ関係のクエリとトラバースを実現してるんだって。すごいじゃろ？
Memgraphですか。初めて聞きました。NASAのセキュアな内部AWSクラウド上で稼働しているんですね。インフラ構成も気になります。
MemgraphはDockerでEC2インスタンス上で実行、Ollamaはスキル抽出とチャットボットクエリ用にEC2にデプロイ、AWS S3バケットで構造化・非構造化データを保存、GQLAlchemyでS3からMemgraphへのデータ取り込み、MemgraphのエンタープライズライセンスでPIIを安全に分離…ふむふむ。
データソースも色々あるんですね。人事データウェアハウス、AI利用事例レジストリ、履歴書から抽出されたスキルなど…。
プロジェクト記述間のコサイン類似度を計算して、プロジェクト間の関係性を構築したり、Ollamaで履歴書データを処理して、手動でタグ付けされたデータセットなしでスキルを抽出したりしてるらしいぞ。
コサイン類似度！自然言語処理でよく使われますね。グラフスキーマも職員、役職、職種、給与等級…と、かなり詳細ですね。
全てのノードはGraphRAGをサポートするために「Entity」としてラベル付けされてるんだって。ライブデモでは、匿名化されたPIIを含むサンプルデータセットでCypherクエリを実行してるらしいぞ。
GraphRAGですか。RAGベースのチャットボットで自然言語によるグラフクエリができるんですね。質問からキー情報を抽出して、修正されたピボット検索と関連性拡張を実行し、コンテキストトリプレットを生成して、Ollamaでコンテキストに応じた応答を生成…。
埋め込みはMemgraphに直接保存されて、コサイン類似度を使ってインデックス化されてるんだって。現在のグラフは約27,000ノードと230,000エッジ！
今後の課題は、データ品質の向上、データパイプラインの自動化、従業員の学習目標やスキル分類の追加、Cypher生成とRAGの精度向上…と、色々ありますね。
最終目標は、People Graphを500,000以上のノードと数百万のエッジにスケールアップすることらしいぞ！
すごい規模ですね。人材分析にグラフデータベースとLLMを活用するというのは、非常に興味深いアプローチですね。
じゃろ？私もNASAに入って、People Graphの開発に参加したいのじゃ！
博士ならきっとできますよ！…でも、その前に、部屋の掃除をしませんか？グラフよりも先に、部屋のノードとエッジを整理する必要がありそうです。
むむむ…それは見なかったことにするのじゃ！
⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。