SimGRAG：利用相似子图进行知识图谱驱动的检索增强生成

发布于2024年12月17日

作者：Yuzheng Cai、Zhenyue Guo、Yiwen Pei、Wanrui Bian、Weiguo Zheng

arXiv:2412.15272 [ cs.CL, cs.AI, cs.IR ] github:YZ-Cai/SimGRAG

摘要

大型语言模型（LLMs）的最新进展在各种任务中展现出令人印象深刻的多功能性。为了消除它们的幻觉，检索增强生成（RAG）作为一种强大的方法应运而生，它利用知识图谱（KGs）等外部知识源。在本文中，我们研究了KG驱动的RAG任务，并提出了一种新颖的相似图增强检索增强生成（SimGRAG）方法。它通过两阶段过程有效地解决了查询文本和KG结构对齐的挑战：(1) 查询到模式，它使用LLM将查询转换为所需的图模式；(2) 模式到子图，它使用图语义距离（GSD）度量量化模式与候选子图之间的对齐程度。我们还开发了一种优化的检索算法，可以在1秒内从千万规模的KG中高效识别出Top-k子图。大量实验表明，SimGRAG在问答和事实验证方面均优于最先进的KG驱动RAG方法。我们的代码可在https://github.com/YZ-Cai/SimGRAG获取。