HyEm：通过欧几里得向量索引进行生物医学本体的查询自适应双曲检索

生物医学知识的检索增强生成 (RAG) 面临着层次结构感知的本体基础挑战：HPO、DO 和 MeSH 等资源使用深层“is-a”分类法，而生产堆栈依赖于欧几里得嵌入和 ANN 索引。虽然双曲嵌入适合层次表示，但它们面临两个障碍：(i) 缺乏本机向量数据库支持，以及 (ii) 在以实体为中心的查询中，层次结构表现不佳的风险我们提出了 HyEm，一个将双曲本体嵌入集成到现有欧几里德 ANN 基础设施中的轻量级检索层，HyEm 学习半径控制的双曲嵌入，将原始日志映射向量存储在标准欧几里德数据库中以进行候选检索，然后应用精确的双曲重新排序门输出连续混合权重，在重新排序时将欧几里德语义相似性与双曲层次结构距离相结合。半径约束为 ANN 过采样和维度提供了实用指导。生物医学本体子集的实验表明，HyEm 在以实体为中心的查询上保留了 94-98% 的欧几里得基线性能，同时显着改进了层次结构导航和混合意图查询，在适度过采样下保持了可索引性。