NS-ST-GraphRAG：用于文学知识处理的神经符号时空 GraphRAG

长篇文学叙事对检索增强生成提出了独特的信息处理挑战：相关证据分布在各个章节中，关系随着叙事时间的推移而演变，正确答案可能共同取决于时间、空间和关系约束。我们提出了 NS-ST-GraphRAG，一种神经符号时空 GraphRAG 框架，集成了本体引导提取、确定性约束检查、双时间坐标、空间场景属性和动态子图检索。该框架不是从单个语料库级图表中检索，而是选择对查询的时间和空间范围有效的图表状态，并在可追踪证据中生成答案。我们进一步介绍了 Red-Chamber-QA，据我们所知，这是第一个开放的中国古典文学多跳问答基准，具有时间、空间和一般问题类别、每个部分的证据跨度和确定性快捷控制。在 120 个问题的保留拆分中，NS-ST-GraphRAG 实现的机械答案再现为 0.733，冻结窗口基线为 0.675，闭卷模型为 0.083（McNemar 精确 p = 0.092，方向有利但不显着）；语义判断准确度分别为 0.866 和 0.850。所提供的比较不支持 H2 的预先指定的约束类别条件。这些结果展示了时间图表示、约束提取和可审计评估如何整合到一个统一的框架中，以便对长篇叙述进行可验证的知识处理。