Towards efficient Graph-RAG via structure-aware intermediate representation: Incremental collaborative exploration on knowledge graph

Jing Wang

doi:10.1016/j.knosys.2026.115884

Towards efficient Graph-RAG via structure-aware intermediate representation: Incremental collaborative exploration on knowledge graph

2026-03-27

0

PRE

AI

DOI：10.1016/j.knosys.2026.115884

原文链接

原文求助

摘要

En 中文

• 我们提出PRIME，一种结构感知的中间表示框架，该框架在统一的嵌入空间中对齐自然语言子查询与知识图谱子图，有效弥合了语义-结构差距，并支持精确、高效的图检索增强生成（Graph-RAG）。 • 我们引入了一种增量式协同探索机制，该机制基于查询语义动态扩展知识图谱区域，将冗余搜索减少超过99%，同时保持多跳推理的完整性。 • PRIME在WebQSP数据集上达到91.6%的Hit@1，在CWQ数据集上达到78.3%，超越现有最优基线最多4.5%，且推理速度比基于训练的方法快1000倍以上，展示了其卓越的准确性、效率和可解释的推理路径。

Keyword:

PRIME

Graph-RAG

knowledge graph

intermediate representation

incremental collaborative exploration

Towards efficient Graph-RAG via structure-aware intermediate representation: Incremental collaborative exploration on knowledge graph

摘要

期刊

机构

引用论文