.png){kind=icon}
返回
A Query-Driven Graph Retrieval Framework with Adaptive Pruning for Multi-Hop Question Answering
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15061263.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多跳问答（MHQA）要求模型跨多个文档检索和推理分散的证据，这对传统的检索增强生成（RAG）方法仍具挑战性。尽管RAG通过引入外部知识改善了事实依据，但扁平化的检索策略在涉及实体和文档间的隐式依赖时，往往难以维持连贯的推理链。本文提出了一种面向查询的双层图检索框架用于MHQA。该框架基于统一异构图整合实体、关系和支持文本，并通过联合检索实体和关系动态构建候选子图，辅以词汇检索信号。通过结合结构强度建模与基于对比学习的路径评分对推理路径进行优化，同时采用自适应剪枝策略根据查询复杂度和路径评分分布调节证据规模。在HotpotQA和2WikiMultihopQA上的实验表明，所提框架相较于现有RAG和基于图的检索方法实现了更高的EM和F1分数，尤其在复杂多跳场景中表现突出。这些结果揭示了结构化、查询自适应的证据组织对多跳推理的重要性。
Keyword:
multi-hop question answering
retrieval-augmented generation
graph-structured retrieval
heterogeneous information graph
adaptive pruning strategy
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
From Phrases to Subgraphs: Fine-Grained Semantic Parsing for Knowledge Graph Question Answering
PREAI
分享收藏
分享收藏Question-guided Knowledge Graph Re-scoring and Injection for Knowledge Graph Question Answering
PREAI
分享收藏Subgraph retrieval and link scoring model for multi-hop question answering in knowledge graphs面向知识图的多跳问答子图检索与链接评分模型.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容