في عصر يتزايد فيه الاعتماد على نظم الذكاء الاصطناعي لاستجابة الأسئلة، تمثل أنظمة استرجاع المعلومات المحسّنة (Retrieval-Augmented Generation) خطوة مذهلة نحو تحسين دقة البحث. لكن كيف يمكن لهذه الأنظمة التعامل مع البيانات نصف الهيكلية التي تتطلب دقة متناهية في استرجاع المعلومات؟ هنا تأتي تقنية

**DualGraph**، التي تصدرت الأخبار بفضل قدرتها الفريدة على دمج طرق البحث الدلالي والرمزي.

يرتكب الكثير من الخوارزميات التقليدية أخطاء في بيانات اللغة الطبيعية الضخمة، إذ تقوم غالبًا على أساس المماثلة الدلالية فقط. بينما تحتاج بعض الأسئلة المعقدة إلى عمليات دقيقة مثل التصفية والتجميع عبر سمات منظمة، مما يجعل الأساليب المرنة في بعض الأحيان غير دقيقة. وهنا يتدخل نظام **DualGraph** من خلال هيكله المبتكر.

تعتمد DualGraph على نموذجين متكاملين:
1. **الرسم البياني المعرفي النصي** (Textual Knowledge Graph) الذي يمكن من الاسترجاع الدلالي.
2. **الرسم البياني المعرفي الرمزي** (Symbolic Knowledge Graph) الذي يسمح بالاستفسار الرمزي باستخدام ثلاثيات الموصوفات الموضوعية.

تعتبر النتائج مثيرة للإعجاب، حيث أظهرت التجارب أن DualGraph يتفوق باستمرار على تقنيات الاسترجاع المتقدمة الأخرى، مثل **GraphRAG** وأيضًا الأساليب الرمزية وأنظمة الجداول. كما تم تطوير معيار مع تسوق تجاري يتضمن مستندات منتجات نصف هيكلية وأسئلة محددة.

تستمر البحوث في هذا المجال، مما يضمن أن المستخدمين سيكون لديهم دائمًا إمكانية الوصول إلى الحلول والتقنيات الأحدث. ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!