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

By 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了令人印象深刻的多样性。为了消除其幻觉，检索增强生成（RAG）已成为一种强大的方法，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解决了对齐查询文本和KG结构的挑战：（1）查询到模式，使用LLM将查询转换为所需的图模式，（2）模式到子图，使用图语义距离（GSD）度量量化模式与候选子图之间的对齐。我们还开发了一种优化的检索算法，能够在10百万规模的KG上在1秒延迟内高效识别前$k$个子图。大量实验表明，SimGRAG在问答和事实验证方面优于最先进的KG驱动RAG方法，提供了卓越的即插即用可用性和可扩展性。