使用基于图的方法探索规范 RAG 中的结构复杂性：ETSI 标准的案例研究

工业标准和规范性文档表现出复杂的层次结构、特定领域的词典和广泛的交叉引用依赖性，这使得通过 大语言模型 (LLM) 直接处理它们变得具有挑战性。虽然检索增强生成 (RAG) 提供了 LLM 微调 的计算高效替代方案，但标准的“普通”基于向量的检索可能无法捕获规范文档中固有的潜在结构和关系特征。为了揭示为规范、标准和监管文档构建高性能 RAG 解决方案的最有前途的技术，本文研究了 Graph RAG 架构的功效，该架构将信息表示为互连节点，从而从简单的语义相似性转向更强大的关系感知检索机制。尽管基于图的技术前景广阔，但目前缺乏关于哪种技术标准的最佳索引策略的经验证据。因此，为了帮助解决这一知识差距，我们提出了一种专门的 RAG 方法，该方法适合标准和监管文件的独特结构和词汇特征。此外，为了使我们的调查有依据，我们重点关注众所周知的公共标准，例如 ETSI EN 301 489 系列。我们评估了几种轻量级和低延迟的策略，旨在将文档结构直接嵌入到检索工作流程中。所考虑的方法针对自定义合成的问答数据集进行了严格测试，从而促进了定量性能分析。我们的实验结果表明，将结构和词汇信息纳入索引可以至少在某种程度上增强检索性能，为自动化规范和标准制定提供可扩展的框架。