用于研究推荐与辅助的微软学术图谱信息检索
信息检索
2025-12-23 v2 人工智能
摘要
在当今信息驱动的世界中，获取科学出版物变得越来越容易。与此同时，在海量可用研究中进行筛选变得比以往更具挑战性。图神经网络（GNN）和图注意力机制在搜索大规模信息数据库方面表现出强大的有效性，尤其是在与现代大语言模型结合时。在本文中，我们提出了一种基于注意力的子图检索器（Attention-Based Subgraph Retriever），这是一种GNN作为检索器的模型，它应用基于注意力的剪枝来提取精炼的子图，然后将其传递给大语言模型进行高级知识推理。
引用
@article{arxiv.2512.16661,
title = {Microsoft Academic Graph Information Retrieval for Research Recommendation and Assistance},
author = {Shikshya Shiwakoti and Samuel Goldsmith and Ujjwal Pandit},
journal= {arXiv preprint arXiv:2512.16661},
year = {2025}
}
备注
5 pages, 3 figures