arXiv cs.AI· Larnell Moore, Naihao Deng, Rada Mihalcea, Farnaz Jahanbakhsh·· 10 小时前AI 评分31
DotRAG：检索时沿路径推理的轻量级 GraphRAG 算法
DOTRAG: Retrieval-Time Reasoning Along Paths
AI 导读
DotRAG 是一种无需训练的轻量级 GraphRAG 检索算法，利用 LLM 推理缩小搜索空间并恢复任务相关的关系路径。在 MetaQA 2-hop 查询上，其检索召回率达 97.78%、F1 为 51.27%，远超最佳基线的 34.74% 和 6.33%。在 STaRK-MAG 上，DotRAG 的 2-hop 召回率为 85.07%，检索延迟比 HopRAG 低 12.2 倍。
正文 · AI 翻译
摘要：图检索增强生成（GraphRAG）在复杂关系检索任务中面临重大挑战，尤其是在密集连接的知识图谱中，可能路径的数量会随推理深度迅速增长。现有的 GraphRAG 检索算法要么依赖僵化的预定义启发式规则来识别相关图上下文，要么采用成本高昂的基于 LLM 的推理来引导图遍历。为解决这些局限，我们提出 DotRAG，一种轻量级、免训练的 GraphRAG 检索算法，利用大语言模型（LLM）推理来缩小搜索空间并恢复与任务相关的关系路径。在索引阶段，DotRAG 构建实体-关系知识图谱，生成概括其内容的图级概览，并利用图可达性索引来避免昂贵的在线图遍历。在查询时，LLM 利用该概览识别有前景的图区域，并假设将图信息与查询连接起来的关系序列。随后，LLM 执行有针对性的关系搜索，利用图约束逐步限制候选池。在 MetaQA 2 跳查询上，DotRAG 达到 97.78% 的检索召回率和 51.27% 的 F1，而最佳基线得分分别为 34.74% 和 6.33%。在 STaRK-MAG 上，DotRAG 在 2 跳查询上达到 85.07% 的召回率，同时展现出比基于推理的 GraphRAG 基线更高的计算效率，检索延迟比 HopRAG 低 12.2 倍。
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.18760 [cs.IR] |
| （或本版本的 arXiv:2605.18760v2 [cs.IR]） | |
| https://doi.org/10.48550/arXiv.2605.18760 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Larnell Moore [查看电子邮件]
[v1]
2026年4月6日星期一 22:38:15 UTC（7,140 KB）
[v2]
2026年11月10日星期二 12:15:55 UTC（480 KB）
来源：arXiv cs.AI · arxiv.org