论文
上下文与关系感知图检索增强生成的统一框架
A Unified Framework for Context-Aware and Relation-Aware Graph Retrieval-Augmented Generation
摘要
检索增强生成（RAG）已成为以外部知识增强大语言模型（LLM）的范式——但既有基于图的方法面临根本局限：以实体为中心与以块为中心的方法都在锚定原始文本的表示上运作——没有真正的知识融合。实体中心方法连接逻辑相关内容——块中心方法保留上下文——但两者都经相似度搜索分开检索信息——错失其综合产生的涌现理解。本文中——我们提出HyGRAG——通过解决三个核心挑战超越源文档的层级图RAG框架：构建真正整合上下文与关系信息的摘要；利用这些综合表示在检索时访问涌现知识；以及为动态语料高效更新层级结构。具体地——我们在兼有块与实体节点的混合图上设计层级索引结构——迭代聚类并生成基于LLM的摘要。然后——我们设计上下文与关系感知检索——跨全部抽象层搜索——并经社区成员关系扩展。此外——我们以基于挂载、仅需局部重摘要的算法实现动态知识更新。实验结果表明HyGRAG把多跳推理任务的平均准确率提升9.7%——同时保持合理效率。
