GRAG：图检索增强生成

发布于 2024 年 5 月 26 日

作者：Yuntong Hu、Zhihan Lei、Zheng Zhang、Bo Pan、Chen Ling、Liang Zhao

arXiv:2405.16506 [ cs.LG ] github:HuieL/GRAG

摘要

朴素检索增强生成（RAG）在检索过程中侧重于单个文档，因此在处理网络化文档方面表现不足，而网络化文档在许多应用中非常流行，例如引文图、社交媒体和知识图谱。为了克服这一限制，我们引入了图检索增强生成（GRAG），它解决了检索文本子图并将文本和拓扑信息整合到大型语言模型（LLMs）中以增强其生成的根本挑战。为了实现高效的文本子图检索，我们提出了一种新颖的分治策略，以线性时间检索最优子图结构。为了实现图上下文感知生成，我们通过两种互补的视图——文本视图和图视图——将文本图融入到LLMs中，使LLMs能够更有效地理解和利用图上下文。对图推理基准的广泛实验表明，在需要对文本图进行多跳推理的场景中，我们的GRAG方法显著优于当前最先进的RAG方法。