論文の概要: CubeGraph: Efficient Retrieval-Augmented Generation for Spatial and Temporal Data

• arxiv url: http://arxiv.org/abs/2604.06616v1
• Date: Wed, 08 Apr 2026 02:49:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.311326
• Title: CubeGraph: Efficient Retrieval-Augmented Generation for Spatial and Temporal Data
• Title（参考訳）: CubeGraph: 空間的および時間的データに対する効率的な検索拡張生成
• Authors: Mingyu Yang, Wentao Li, Wei Wang,
• Abstract要約: CubeGraphは任意の空間制約でベクトル探索を統合するように設計されたフレームワークである。 クエリ実行中、CubeGraphは、空間セルがクエリフィルタと交差するたびに、隣接する立方体レベルのインデックスをフライで縫合する。
• 参考スコア（独自算出の注目度）: 11.878755010092922
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Hybrid queries combining high-dimensional vector similarity search with spatio-temporal filters are increasingly critical for modern retrieval-augmented generation (RAG) systems. Existing systems typically handle these workloads by nesting vector indices within low-dimensional spatial structures, such as R-trees. However, this decoupled architecture fragments the vector space, forcing the query engine to invoke multiple disjoint sub-indices per query. This fragmentation destroys graph routing connectivity, incurs severe traversal overhead, and struggles to optimize for complex spatial boundaries. In this paper, we propose CubeGraph, a novel indexing framework designed to natively integrate vector search with arbitrary spatial constraints. CubeGraph partitions the spatial domain using a hierarchical grid, maintaining modular vector graphs within each cell. During query execution, CubeGraph dynamically stitches together adjacent cube-level indices on the fly whenever their spatial cells intersect with the query filter. This dynamic graph integration restores global connectivity, enabling a unified, single-pass nearest-neighbor traversal that eliminates the overhead of fragmented sub-index invocations. Extensive evaluations on real-world datasets demonstrate that CubeGraph significantly outperforms state-of-the-art baselines, offering superior query execution performance, scalability, and flexibility for complex hybrid workloads.
• Abstract（参考訳）: 高次元ベクトル類似度探索と時空間フィルタを組み合わせたハイブリッドクエリは、現代の検索拡張生成(RAG)システムにおいてますます重要になっている。 既存のシステムは、R木のような低次元空間構造にベクトルインデックスをネストすることで、これらのワークロードを処理するのが一般的である。 しかし、この分離されたアーキテクチャはベクトル空間を断片化し、クエリエンジンはクエリ毎に複数の非結合サブインデックスを起動せざるを得ない。 この断片化はグラフルーティング接続を破壊し、重いトラバースオーバーヘッドを発生させ、複雑な空間境界の最適化に苦労する。 本稿では,任意の空間制約でベクトル探索をネイティブに統合する新しいインデックスフレームワークCubeGraphを提案する。 CubeGraphは階層グリッドを使って空間領域を分割し、各セル内のモジュラーベクトルグラフを維持する。 クエリ実行中、CubeGraphは、空間セルがクエリフィルタと交差するたびに、隣接する立方体レベルのインデックスをフライで動的に縫合する。 この動的グラフ統合は、グローバル接続を回復し、断片化されたサブインデックス呼び出しのオーバーヘッドをなくす、統一された、シングルパスに近い最寄りのトラバーサルを可能にする。 実世界のデータセットに対する大規模な評価は、CubeGraphが最先端のベースラインを大幅に上回ることを示し、複雑なハイブリッドワークロードに対して、クエリ実行パフォーマンス、スケーラビリティ、柔軟性を提供する。

関連論文リスト

• Curator: Efficient Vector Search with Low-Selectivity Filters [12.774238654446032]
  グラフベースのインデックスは、未フィルタリングANNSでは最先端のパフォーマンスを実現するが、低選択性フィルタリングクエリでは接続性の低下に遭遇する。 近年の研究では、グラフ度を拡大することでこの問題に対処するグラフインデックスが提案されている。 低選択性フィルタANNSに対する既存のグラフベースのアプローチを補完する分割型インデックスであるCuratorを提案する。
  論文  参考訳（メタデータ） (2026-01-03T21:35:01Z)
• The Hybrid Multimodal Graph Index (HMGI): A Comprehensive Framework for Integrated Relational and Vector Search [6.821769033209393]
  本稿では,ベクトルデータベースとグラフデータベースのギャップを埋める新しいフレームワークであるHybrid Multimodal Graph Index (HMGI)を紹介する。 HMGIは、意味的類似性検索と関係性コンテキストを直接統合することにより、複雑な関係性の多いクエリシナリオにおいて純粋なベクトルデータベースより優れていることを目指している。
  論文  参考訳（メタデータ） (2025-10-11T09:06:26Z)
• HedraRAG: Coordinating LLM Generation and Database Retrieval in Heterogeneous RAG Serving [10.130938079844121]
  HedraRAGはグラフベースの抽象化に基づいて構築されたランタイムシステムで、ステージレベルの並列性、要求内類似性、要求間歪性といった最適化の機会を公開する。 結果として発生する実行計画は、リソース使用率を改善し、レイテンシを低減するために、ハイブリッドCPU-GPUパイプラインにマップされる。
  論文  参考訳（メタデータ） (2025-07-12T04:42:43Z)
• Divide-Then-Rule: A Cluster-Driven Hierarchical Interpolator for Attribute-Missing Graphs [51.13363550716544]
  ディープグラフクラスタリングは、不完全な属性を持つノードを異なるクラスタに分割することを目的とした教師なしのタスクである。 既存の属性欠落グラフの計算法は、ノード近傍で利用可能な情報の量が異なることを説明できないことが多い。 この問題に対処するために、DTRGC(Divide-Then-Rule Graph Completion)を提案する。
  論文  参考訳（メタデータ） (2025-07-12T03:33:19Z)
• Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
  SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。 革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。 属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。 階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
  論文  参考訳（メタデータ） (2025-05-20T06:44:34Z)
• RGL: A Graph-Centric, Modular Framework for Efficient Retrieval-Augmented Generation on Graphs [58.10503898336799]
  完全なRAGパイプラインをシームレスに統合するモジュラーフレームワークであるRAG-on-Graphs Library(RGL)を紹介した。 RGLは、さまざまなグラフフォーマットをサポートし、必須コンポーネントの最適化実装を統合することで、重要な課題に対処する。 評価の結果,RGLはプロトタイピングプロセスの高速化だけでなく,グラフベースRAGシステムの性能や適用性の向上も図っている。
  論文  参考訳（メタデータ） (2025-03-25T03:21:48Z)
• Multi-Scene Generalized Trajectory Global Graph Solver with Composite Nodes for Multiple Object Tracking [61.69892497726235]
  複合ノードメッセージパッシングネットワーク(CoNo-Link)は、超長いフレーム情報を関連付けるためのフレームワークである。 オブジェクトをノードとして扱う従来の方法に加えて、このネットワークは情報インタラクションのためのノードとしてオブジェクトトラジェクトリを革新的に扱う。 我々のモデルは、合成ノードを追加することで、より長い時間スケールでより良い予測を学習することができる。
  論文  参考訳（メタデータ） (2023-12-14T14:00:30Z)
• Spatial-Spectral Clustering with Anchor Graph for Hyperspectral Image [88.60285937702304]
  本稿では、HSIデータクラスタリングのための空間スペクトルクラスタリングとアンカーグラフ(SSCAG)という新しい非監視アプローチを提案する。 提案されたSSCAGは最先端のアプローチと競合する。
  論文  参考訳（メタデータ） (2021-04-24T08:09:27Z)
• Graph Neural Networks with Composite Kernels [60.81504431653264]
  カーネル重み付けの観点からノード集約を再解釈する。 本稿では,アグリゲーション方式における特徴類似性を考慮したフレームワークを提案する。 特徴空間における特徴類似性をエンコードするために,元の隣り合うカーネルと学習可能なカーネルの合成として特徴集約を提案する。
  論文  参考訳（メタデータ） (2020-05-16T04:44:29Z)

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。