基于图结构的检索增强生成用于优化开域问答
信息检索
2025-03-06 v1
摘要
本工作对各种基于图结构的检索增强生成（RAG）系统进行基准测试，涵盖广泛的查询类型，包括 OLTP 风格（事实性）和 OLAP 风格（主题性）查询，以应对开域问答（QA）的复杂需求。传统 RAG 方法在处理细致的、跨文档的综合任务时常常不足。通过将知识结构化为图形，我们可以促进捕获更深层语义上下文并增强语言模型操作的检索。我们探索了基于图的 RAG 方法，提出了 TREX，这是一种新颖且成本效益高的替代方案，结合了基于图的检索和基于向量的检索技术。我们的基准测试涵盖四个多样化数据集，突显了不同 RAG 方法的优势，展示了 TREX 处理多种开域 QA 类型 capabilities，并揭示了当前评估方法的局限性。在一个真实世界的技术支持案例研究中，我们展示了 TREX 解决方案在高效地综合来自异构来源的数据方面超越了传统基于向量的 RAG。我们的发现凸显了通过高级检索和编排能力来增强大型语言模型的潜力，推动了可扩展的基于图的 AI 解决方案的发展。
引用
@article{arxiv.2503.02922,
title = {Optimizing open-domain question answering with graph-based retrieval augmented generation},
author = {Joyce Cahoon and Prerna Singh and Nick Litombe and Jonathan Larson and Ha Trinh and Yiwen Zhu and Andreas Mueller and Fotis Psallidas and Carlo Curino},
journal= {arXiv preprint arXiv:2503.02922},
year = {2025}
}