GRAG: 图检索增强生成

发布于2024年5月26日

By Yuntong Hu, Zhihan Lei, Zheng Zhang, Bo Pan, Chen Ling, Liang Zhao

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

摘要

Naive Retrieval-Augmented Generation (RAG) 在检索过程中专注于单个文档，因此无法处理在许多应用中非常流行的网络文档，例如引用图、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联合文本和拓扑信息集成到大型语言模型（LLMs）中以增强其生成的基本挑战。为了实现高效的文本子图检索，我们提出了一种新颖的分而治之策略，该策略在线性时间内检索最优子图结构。为了实现图上下文感知生成，通过两个互补的视图——文本视图和图视图——将文本图纳入LLMs，使LLMs能够更有效地理解和利用图上下文。在图推理基准上的大量实验表明，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。