FlexStructRAG：RAG 的灵活结构感知多粒度关系检索

检索增强生成（RAG）系统关键取决于外部知识的分段、结构化和检索方式。大多数现有方法要么检索固定长度的文本块（将话语上下文片段化），要么提交单个结构化索引（例如，知识图或超图），这对一种关系粒度进行硬编码。当查询需要不同形式的证据（例如本地二元关系、高阶交互或更广泛的基于文档的上下文）时，这通常会产生脆弱的检索。我们提出了 \textbf{FlexStructRAG}，一种灵活的结构感知 RAG 框架，支持异构知识表示上的 \emph{多粒度、查询自适应检索}。 FlexStructRAG 联合构建 (i) 二元关系的知识图，(ii) n 元关系的知识超图，以及 (iii) 将关系证据聚合到基于文档的上下文单元的结构感知语义集群。为了减少统一分块引起的语义碎片，我们引入了动态分区和截断滑动窗口提取机制，该机制在知识构建过程中结合了有界上下文依赖关系。在推理时，FlexStructRAG 支持实体、边缘、超边缘和集群级别的检索，这些检索可以灵活地组合起来，为生成过程提供关系和上下文一致的证据。跨四个领域的 UltraDomain 基准测试表明，FlexStructRAG 比强 RAG 基准改进了语义评估。消融和敏感性分析进一步证明了多粒度关系检索和结构感知聚类的必要性。