.png){kind=icon}
返回
Schema-Based Inference for Query Expansion and Completion over Knowledge Graphs
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05607-8_27.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图数据库是表示复杂、互连知识的强大工具，但其结构和语义对自然语言交互构成重大挑战。本研究提出一种基于检索增强生成（RAG）框架的引导方法，以协助大语言模型在基于图的数据上生成查询。通过将语义相关路径纳入提示中，我们的方法降低了模型必须处理的推理复杂度，从而实现更准确的查询生成。我们在两种模式交互范式（完整模式探索和路径特定引导）下，评估了不同语言模型在乘客和航班数据风险评估相关查询上的表现。初步结果表明，路径特定引导显著提升了模型性能，尤其对较小模型效果更佳。这种对图结构的语义预筛选增强了模型聚焦相关信息的能力。
Keyword:
Knowledge graphs
query answering systems
graph databases
large language models
natural language processing
期刊
F
IF:
0
论文数:
29
被引数:
0
机构
引用论文
.png){kind=icon}
Blended RAG: Improving RAG (Retriever-Augmented Generation) Accuracy with Semantic Search and Hybrid Query-Based Retrievers混合RAG：通过语义搜索和基于混合查询的检索器提高RAG（检索增强生成）的准确性
OAAI
OAAI分享收藏 没有更多内容
没有更多内容