Генерация с дополнением извлечением на основе графов: обзор

Graph Retrieval-Augmented Generation: A Survey
Siliang Tang, Boci Peng, Yun Zhu, Yongchao Liu, Xiaohe Bo, Haizhou Shi, Chuntao Hong, Yan Zhang
2025-11-19

GraphRAGиндексация на основе графовгенерация с использованием графовпоиск с управлением графомгенерация с дополненной поиском
В последнее время генерация с дополнением извлечением (Retrieval-Augmented Generation, RAG) продемонстрировала значительный успех в решении проблем больших языковых моделей (Large Language Models, LLMs) без необходимости их дообучения. Обращаясь к внешней базе знаний, RAG совершенствует результаты LLM, эффективно смягчая такие проблемы, как «галлюцинации», недостаток предметно-ориентированных знаний и устаревшая информация. Однако сложная структура взаимосвязей между различными сущностями в базах данных создает трудности для систем RAG. В ответ на это GraphRAG использует структурную информацию о сущностях, обеспечивая более точное и всестороннее извлечение, фиксируя реляционные знания и способствуя формированию более точных ответов с учетом контекста. Учитывая новизну и потенциал GraphRAG, необходим систематический обзор современных технологий. В данной статье представлен первый всеобъемлющий обзор методологий GraphRAG. Мы формализуем рабочий процесс GraphRAG, включающий индексирование на основе графов, извлечение под управлением графа и генерацию с использованием графа. Затем мы описываем ключевые технологии и методы обучения на каждом этапе. Кроме того, мы рассматриваем последующие задачи, прикладные области, методологии оценки и промышленные варианты использования GraphRAG. Наконец, мы исследуем перспективные направления дальнейших исследований, чтобы стимулировать новые разработки и способствовать прогрессу в этой области. Для отслеживания последних достижений мы создали репозиторий по адресу https://github.com/pengboci/GraphRAG-Survey.
1
GraphRAG использует реляционную и структурную информацию о сущностях для более точного, полного и контекстно-зависимого поиска по сравнению с обычным RAG.
2
Авторы формулируют перспективные направления исследований и предоставляют открытый репозиторий для отслеживания развития GraphRAG.
3
Обзор систематизирует основные технологии и методы обучения для всех трёх этапов GraphRAG.
4
В статье рассматриваются прикладные задачи, области применения, методы оценки и промышленные сценарии использования GraphRAG.
5
В обзоре представлен первый комплексный анализ методологий GraphRAG и формализован рабочий процесс, включающий графовую индексацию, графовое управление поиском и генерацию, обогащённую графом.

системы генерации с дополнением извлечением на основе графов (GraphRAG)

методологии GraphRAG, этапы рабочего процесса, технологии, методы обучения, применения, оценка и направления будущих исследований

Publication Details
Publication Date
2025-11-19
Journal
Publisher
ISSN
Cited by
422
Access Type
Author Information
Authors
Siliang Tang
Boci Peng
Yun Zhu
Yongchao Liu
Xiaohe Bo
Haizhou Shi
Chuntao Hong
Yan Zhang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%