EHRAG：通过混合超图构建与检索桥接轻量级 GraphRAG 中的语义鸿沟
人工智能
2026-04-22 v2
摘要
基于图的检索增强生成 (GraphRAG) 通过结构化语料库为大语言模型提供图结构，促进多跳推理。虽然近期轻量级方法通过利用命名实体识别 (NER) 降低索引成本，但仅依赖结构共现关系，无法捕捉 disjoint 实体间潜在语义连接。为此，我们提出 EHRAG，一种轻量级 RAG 框架，构建包含结构与语义层面关系的超图，采用混合结构-语义检索机制。具体而言，EHRAG 基于句子级共现构建结构超边，采用轻量级实体抽取；通过聚类实体文本嵌入构建语义超边，确保超图包含结构与语义信息。检索方面，EHRAG 执行结构-语义混合扩散，采用主题感知评分和个人化 PageRank (PPR) 精炼，以识别 top-k 相关文档。实验在四个数据集上表明，EHRAG 在保持线性索引复杂度和零构造 token 消耗的同时，超越最先进基线。代码：https://github.com/yfsong00/EHRAG。
引用
@article{arxiv.2604.17458,
title = {EHRAG: Bridging Semantic Gaps in Lightweight GraphRAG via Hybrid Hypergraph Construction and Retrieval},
author = {Yifan Song and Xingjian Tao and Zhicheng Yang and Yihong Luo and Jing Tang},
journal= {arXiv preprint arXiv:2604.17458},
year = {2026}
}
备注
Accepted by Findings of ACL2026