GRAG

标题：GRAG: Graph Retrieval-Augmented Generation

flow.png

代码地址：https://github.com/HuieL/GRAG

发表日期：2024-05-26

摘要：朴素检索增强生成（RAG）侧重于检索过程中的单个文档，因此在处理在引用图、社交媒体和知识图等许多应用中非常流行的网络文档方面存在不足。为了克服这一局限性，我们引入了图检索增强生成（GRAG），它解决了检索文本子图和将联合文本和拓扑信息集成到大型语言模型（LLM）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，我们提出了一种新的分而治之策略，在线性时间内检索最优的子图结构。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）将文本图合并到LLM中，使LLM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方法明显优于当前最先进的RAG方法。

论文地址：https://arxiv.org/abs/2405.16506