用于图检索增强生成的语料库引导双路径传播

基于图的检索增强生成通过将语料库信息组织成图来支持多跳检索。然而，现有的无关系图检索方法主要依靠查询语句相似性来搜索证据。这可以排除具有低查询相似性的有用桥接证据，并激活与推理链无关的附带实体。在本文中，我们提出了一种简单有效的方法，称为 NexusRAG，它通过从联合实体共现和语义相似性导出的语料库级实体邻域结构来增强无关系三图。 NexusRAG 采用这种结构来引导两个互补的传播路径：通过句子的邻域约束语义传播识别与查询相关的实体边界，而相邻实体之间的直接结构传播将该边界扩展到结构相关的实体。传播的实体权重还通知个性化 PageRank 的邻域感知通道初始化。对三个多跳 QA 基准测试和 GraphRAG-Bench 的特定领域子集进行的实验表明，NexusRAG 始终优于现有方法。在 GraphRAG-Bench 子集上，NexusRAG 在所有问题类别中实现了最高的证据召回率，超出基线 4.2-8.1 分。实现代码可在https://github.com/Jacob-biu/NexusRAG.获取