沙丘社区
论文

T-Retriever：面向文本图的树形层次检索增强生成

T-Retriever: Tree-based Hierarchical Retrieval Augmented Generation for Textual Graphs

Chunyu Wei, Huaiyu Qin, Siyuan He, Yunhai Wang, Yueguo Chen
上下文与知识检索增强

摘要

检索增强生成（RAG）显著增强了大型语言模型获取外部知识的能力，但当前基于图的RAG方法在管理层次信息方面存在两个关键局限：它们强加刚性的逐层压缩配额，破坏局部图结构；并且优先考虑拓扑结构而忽视语义内容。我们提出T-Retriever，一个新颖的框架，使用语义与结构引导的编码树，将属性图检索重新表述为基于树的检索。我们的方法包含两项关键创新：（1）自适应压缩编码，用一种保留图自然层次组织的全局优化策略取代人为设定的压缩配额；（2）语义-结构熵（S²-Entropy），在创建层次划分时联合优化结构凝聚性与语义一致性。在多个图推理基准上的实验表明，T-Retriever显著优于最先进的RAG方法，能为复杂查询提供更连贯、语境更相关的回答。

T-Retriever：面向文本图的树形层次检索增强生成 配图
图 2：T-Retriever 框架流水线：(1) 编码树构建（Encoding Tree Construction）通过分割、剪枝与调节操作优化 S²-熵（结合结构与语义信息）；(2) 索引（Indexing）为树节点生成基于 LLM 的摘要并进行嵌入；(3) 树检索（Tree Retrieval）查找相关节点、抽取子图，并使用 GNN 增强的 LLM 提示生成响应。