CID-GraphRAG：通过对话流和上下文语义的双路径检索增强多轮对话系统
人工智能
2026-02-10 v4
摘要
我们提出了CID-GraphRAG（Conversational Intent-Driven Graph Retrieval-Augmented Generation，对话意图驱动图检索增强生成），一种新型框架，旨在解决现有对话系统在维持多轮客户服务对话中同时保持上下文连贯性和目标导向性方面的局限性。不同于依赖语义相似性或静态知识图的传统RAG系统，CID-GraphRAG从实现目标的历史对话中构建意图转换图，并实现意图导向图遍历与语义搜索的双检索机制。该方法使系统能够同时利用对话意图流模式和上下文语义，显著提高检索质量和响应质量。在针对真实客户服务对话的大规模实验中，我们证明了CID-GraphRAG在自动评估指标、LLM评估和人类评估方面均显著优于基于语义的和基于意图的基线方法，在BLEU上提升11.4%，ROUGE提升4.9%，METEOR提升5.9%。最突出的是，CID-GraphRAG在LLM评估中的响应质量提升了57.9%。这些结果表明，将意图转换结构与语义检索相结合具有协同效应，独立的两种方法均无法实现，确立了CID-GraphRAG作为真实世界客户服务及其他知识密集型领域多轮对话系统有效框架。
引用
@article{arxiv.2506.19385,
title = {CID-GraphRAG: Enhancing Multi-Turn Dialogue Systems through Dual-Pathway Retrieval of Conversation Flow and Context Semantics},
author = {Ziqi Zhu and Tao Hu and Honglong Zhang and Dan Yang and Hangeng Chen and Mengran Zhang and Xilun Chen},
journal= {arXiv preprint arXiv:2506.19385},
year = {2026}
}