Fugu-MT 論文翻訳(概要): CommunityKG-RAG: Leveraging Community Structures in Knowledge Graphs for Advanced Retrieval-Augmented Generation in Fact-Checking

論文の概要: CommunityKG-RAG: Leveraging Community Structures in Knowledge Graphs for Advanced Retrieval-Augmented Generation in Fact-Checking

arxiv url: http://arxiv.org/abs/2408.08535v1
Date: Fri, 16 Aug 2024 05:15:12 GMT
ステータス: 処理完了
システム内更新日: 2024-08-19 16:39:36.902286
Title: CommunityKG-RAG: Leveraging Community Structures in Knowledge Graphs for Advanced Retrieval-Augmented Generation in Fact-Checking
Title（参考訳）: CommunityKG-RAG:Fact-Checkingにおける検索強化生成のための知識グラフにおけるコミュニティ構造を活用する
Authors: Rong-Ching Chang, Jiawei Zhang,
Abstract要約: 本稿では,コミュニティKG-RAG(Community Knowledge Graph-Retrieval Augmented Generation)について紹介する。実験の結果、CommunityKG-RAGは、堅牢でスケーラブルで効率的なソリューションを提供することで、ファクトチェックの大幅な進歩を示す従来の手法よりも優れていることが示された。
参考スコア（独自算出の注目度）: 7.835264728977939
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Despite advancements in Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) systems, their effectiveness is often hindered by a lack of integration with entity relationships and community structures, limiting their ability to provide contextually rich and accurate information retrieval for fact-checking. We introduce CommunityKG-RAG (Community Knowledge Graph-Retrieval Augmented Generation), a novel zero-shot framework that integrates community structures within Knowledge Graphs (KGs) with RAG systems to enhance the fact-checking process. Capable of adapting to new domains and queries without additional training, CommunityKG-RAG utilizes the multi-hop nature of community structures within KGs to significantly improve the accuracy and relevance of information retrieval. Our experimental results demonstrate that CommunityKG-RAG outperforms traditional methods, representing a significant advancement in fact-checking by offering a robust, scalable, and efficient solution.
Abstract（参考訳）: LLM(Large Language Models)やRAG(Retrieval-Augmented Generation)システムの進歩にもかかわらず、それらの効果はエンティティ関係やコミュニティ構造との統合の欠如によってしばしば妨げられ、事実チェックのための文脈的にリッチで正確な情報検索を提供する能力を制限する。コミュニティKG-RAG(Community Knowledge Graph-Retrieval Augmented Generation)は、知識グラフ(KG)内のコミュニティ構造をRAGシステムと統合し、ファクトチェックプロセスを強化する新しいゼロショットフレームワークである。コミュニティKG-RAGは、KG内のコミュニティ構造のマルチホップ特性を活用して、情報検索の精度と関連性を大幅に向上する。実験の結果、CommunityKG-RAGは、堅牢でスケーラブルで効率的なソリューションを提供することにより、ファクトチェックの大幅な進歩を示す従来の手法よりも優れていることが示された。

関連論文リスト

StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization [94.31508613367296]
Retrieval-augmented Generation(RAG)は、大規模言語モデル(LLM)を効果的に強化する鍵となる手段である。本稿では,手前のタスクに対して最適な構造型を識別し,元の文書をこの構造化形式に再構成し,その結果に基づいて回答を推測するStructRAGを提案する。実験の結果、StructRAGは最先端のパフォーマンスを実現し、特に挑戦的なシナリオに優れていた。
論文参考訳（メタデータ） (2024-10-11T13:52:44Z)
LightRAG: Simple and Fast Retrieval-Augmented Generation [12.86888202297654]
Retrieval-Augmented Generation (RAG) システムは、外部知識ソースを統合することで、大規模言語モデル(LLM)を強化する。既存のRAGシステムには、フラットなデータ表現への依存やコンテキスト認識の欠如など、大きな制限がある。テキストインデックスと検索プロセスにグラフ構造を組み込んだLightRAGを提案する。
論文参考訳（メタデータ） (2024-10-08T08:00:12Z)
A Pluggable Common Sense-Enhanced Framework for Knowledge Graph Completion [9.686794547679076]
我々は,KGCの事実と常識の両方を組み込んだ,プラガブル・コモンセンス強化型KGCフレームワークを提案する。このフレームワークは、エンティティ概念の豊かさに基づいて異なるKGに適応可能であり、明示的あるいは暗黙的な常識を自動的に生成する能力を持っている。我々のアプローチは、多くの知識グラフ埋め込み(KGE)モデルのためのプラグイン可能なモジュールとして統合することができる。
論文参考訳（メタデータ） (2024-10-06T14:06:12Z)
KG-RAG: Bridging the Gap Between Knowledge and Creativity [0.0]
大規模言語モデルエージェント(LMA)は、情報幻覚、破滅的な忘れ込み、長いコンテキストの処理における制限といった問題に直面している。本稿では,LMAの知識能力を高めるため,KG-RAG (Knowledge Graph-Retrieval Augmented Generation)パイプラインを提案する。 ComplexWebQuestionsデータセットに関する予備実験では、幻覚的コンテンツの削減において顕著な改善が示されている。
論文参考訳（メタデータ） (2024-05-20T14:03:05Z)
Knowledge Graph Context-Enhanced Diversified Recommendation [53.3142545812349]
本研究では,知識グラフ(KG)の複雑な文脈における多角化RecSys領域について検討する。私たちのコントリビューションには、革新的なメトリック、エンティティカバレッジ、KGドメイン内の多様性を効果的に定量化するリレーショナルカバレッジの導入が含まれています。そこで本稿では,文脈整合性を維持しつつ,KG項目の埋め込みを符号化するCAU(Conditional Alignment and Uniformity)という新しい手法を紹介する。
論文参考訳（メタデータ） (2023-10-20T03:18:57Z)
A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [52.31710895034573]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。 HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文参考訳（メタデータ） (2023-06-07T21:51:56Z)
Explainable Sparse Knowledge Graph Completion via High-order Graph Reasoning Network [111.67744771462873]
本稿では,スパース知識グラフ(KG)のための新しい説明可能なモデルを提案する。高次推論をグラフ畳み込みネットワーク、すなわちHoGRNに結合する。情報不足を緩和する一般化能力を向上させるだけでなく、解釈可能性も向上する。
論文参考訳（メタデータ） (2022-07-14T10:16:56Z)
Knowledge Graph Question Answering Leaderboard: A Community Resource to Prevent a Replication Crisis [61.740077541531726]
コミュニティの焦点として、KGQAベンチマークデータセットに対して、新たな中心的でオープンなリーダボードを提供しています。本分析は,KGQAシステムの評価において,既存の問題点を浮き彫りにする。
論文参考訳（メタデータ） (2022-01-20T13:46:01Z)
Attentive Knowledge-aware Graph Convolutional Networks with Collaborative Guidance for Recommendation [36.95691423601792]
我々は,パーソナライズされたレコメンデーション(CG-KGR)のための協調指導を用いた注意深い知識認識型畳み込みネットワークを提案する。 CG-KGRは知識を意識した新しい推薦モデルであり、KGとユーザ・イテム相互作用の豊富でコヒーレントな学習を可能にする。 2つのレコメンデーションタスクで4つの実世界のデータセットについて広範な実験を行う。
論文参考訳（メタデータ） (2021-09-05T11:55:20Z)
QD-GCN: Query-Driven Graph Convolutional Networks for Attributed Community Search [54.42038098426504]
QD-GCNは、ACS問題を解決するために、コミュニティ構造とノード属性を統一するエンドツーエンドフレームワークである。本稿では、QD-GCNが既存の属性付きコミュニティ検索アルゴリズムを効率性と有効性の両方で上回ることを示す。
論文参考訳（メタデータ） (2021-04-08T07:52:48Z)
Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
論文参考訳（メタデータ） (2020-06-02T14:10:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。