HG-RAG：结构化知识图的层次结构引导检索增强生成

arXiv:2607.14095v1 公告类型：新 摘要：检索增强生成 (RAG) 已被证明是一个广泛成功的过程，可以提高大型语言模型 (LLM) 的输出质量，以适应​​更广泛的背景。然而，RAG 系统通常从平面文档存储中检索上下文，当查询需要跨结构化知识进行分层或关系推理时，这会遇到困难。我提出了 HG-RAG（Hierarchy-Guided RAG），这是一个框架，它在分层知识图上执行图遍历，以向语言模型提供结构化上下文。我的检索管道从查询中解析命名实体锚点，然后通过父节点向上扩展上下文，横向通过