E^2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

要約

GraphRagのようなグラフベースのRAGメソッドは、階層エンティティグラフを構築することにより、知識ベースの有望なグローバルな理解を示しています。
しかし、彼らはしばしば非効率性に苦しみ、手動で事前に定義されたクエリモードに依存しており、実用的な使用が制限されます。
この論文では、効率と有効性の両方を改善する合理化されたグラフベースのRAGフレームワークであるE^2Graphragを提案します。
インデックス段階では、E^2Graphragは、大きな言語モデルを備えた要約ツリーを構築し、ドキュメントチャンクに基づいてスペイシーを持つエンティティグラフを構築します。
次に、エンティティとチャンク間の双方向インデックスを構築して、多くの関係を獲得し、ローカルおよびグローバル検索の両方で迅速に検索できるようにします。
検索段階では、グラフ構造を活用してローカルモードとグローバルモードを取得して選択する適応型検索戦略を設計します。
実験では、e^2graphragは、競争力のあるQAパフォーマンスを維持しながら、GraphRagよりも最大10倍高速なインデックス作成を実現し、検索中のLightragよりも100倍高速化することが示されています。

要約(オリジナル)

Graph-based RAG methods like GraphRAG have shown promising global understanding of the knowledge base by constructing hierarchical entity graphs. However, they often suffer from inefficiency and rely on manually pre-defined query modes, limiting practical use. In this paper, we propose E^2GraphRAG, a streamlined graph-based RAG framework that improves both Efficiency and Effectiveness. During the indexing stage, E^2GraphRAG constructs a summary tree with large language models and an entity graph with SpaCy based on document chunks. We then construct bidirectional indexes between entities and chunks to capture their many-to-many relationships, enabling fast lookup during both local and global retrieval. For the retrieval stage, we design an adaptive retrieval strategy that leverages the graph structure to retrieve and select between local and global modes. Experiments show that E^2GraphRAG achieves up to 10 times faster indexing than GraphRAG and 100 times speedup over LightRAG in retrieval while maintaining competitive QA performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google