RAGONITE：基于 RAG 的对话式知识图谱问答中的迭代检索
计算与语言
2024-12-30 v3 信息检索
摘要
对话式问答 (ConvQA) 是搜索 RDF 知识图谱 (KGs) 的便利方式，其中常见的方法是将自然语言问题翻译为 SPARQL 查询。然而，SPARQL 存在一些局限性：(i) 对于复杂意图和对话式问题不够稳健，(ii) 不适用于更抽象的需求。相反，我们提出了一种新颖的双轨制系统，其中我们融合：(i) 针对自动从 KG 派生的数据库执行的 SQL 查询结果，和 (ii) 对 KG 事实 verbalization 的文本搜索结果。我们的管道支持迭代检索：当任何分支的结果被发现不令人满意时，系统可以自动选择进行进一步的轮次。我们将一切整合到基于检索增强生成 (RAG) 的设置中，LLM 从累积的检索结果生成连贯的响应。我们在 BMW 汽车知识图谱上演示了我们提议系统相对于多个基线方法的优越性。
引用
@article{arxiv.2412.17690,
title = {RAGONITE: Iterative Retrieval on Induced Databases and Verbalized RDF for Conversational QA over KGs with RAG},
author = {Rishiraj Saha Roy and Chris Hinze and Joel Schlotthauer and Farzad Naderi and Viktor Hangya and Andreas Foltyn and Luzian Hahn and Fabian Kuech},
journal= {arXiv preprint arXiv:2412.17690},
year = {2024}
}
备注
Accepted at BTW 2025, 10 pages