論文の概要: Agentic GraphRAG: Navigating Unstructured Financial Data with Collaborative AI
- arxiv url: http://arxiv.org/abs/2605.18770v1
- Date: Wed, 15 Apr 2026 16:16:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.930162
- Title: Agentic GraphRAG: Navigating Unstructured Financial Data with Collaborative AI
- Title（参考訳）: Agentic GraphRAG: コラボレーションAIで非構造化財務データをナビゲートする
- Authors: Arthur Capozzi, Dirk Helbing,
- Abstract要約: 本稿では,商用レジストリデータのエキスパート分析のための協調エージェントGraphRAGフレームワークを提案する。
当社のアプローチでは,3フェーズパイプラインを通じてNeo4jナレッジグラフを構築しています。
Human-in-the-loopダッシュボードは、エビデンスと実行トレースを公開して、透明性と監査性をサポートする。
- 参考スコア（独自算出の注目度）: 0.28647133890966986
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a collaborative agentic GraphRAG framework for expert analysis of commercial registry data. Public registries are often formally accessible, yet difficult to use in practice because they combine structured records with large volumes of unstructured legal text. This limits conventional keyword and vector-only retrieval, especially for multi-hop, temporal, and entity-centric investigations. Our approach builds a Neo4j knowledge graph through a three-phase pipeline: (i) deterministic ingestion of strong nodes from verified structured fields, (ii) LLM-based extraction of weak nodes from unstructured notices, and (iii) deterministic identity resolution and deduplication. On top of this graph, we introduce an analytical modular agent that integrates zero-shot intent routing, a bounded reflection loop, secure tool-mediated graph access, and state-aware response synthesis. A human-in-the-loop dashboard exposes evidence and execution traces to support transparency and auditability. We evaluate the framework on the Swiss Official Gazette of Commerce, a multilingual corpus of more than seven million publications over seven years. We further contribute a multi-tier evaluation protocol covering entity-resolution precision, tool-routing behavior, answer quality, and multi-turn conversational performance. Across automated, human-curated, and conversational benchmarks, the proposed agentic GraphRAG system consistently outperforms a standard agentic vector-RAG baseline, with strong gains in correctness, answer relevance, information recall, turn success rate, and context carryover accuracy. The architecture is modular, reproducible, and transferable to other commercial gazettes and public-sector registry systems.
- Abstract（参考訳）: 本稿では,商用レジストリデータのエキスパート分析のための協調エージェントGraphRAGフレームワークを提案する。
パブリックレジストリは、しばしば公式にアクセス可能であるが、構造化された記録と大量の非構造化された法律文書を組み合わせるため、実際に使用することは困難である。
これは従来のキーワードとベクトルのみの検索を制限しており、特にマルチホップ、時間、エンティティ中心の検索に向いている。
私たちのアプローチでは,3フェーズのパイプラインを通じてNeo4jナレッジグラフを構築しています。
一 検証された構造体からの強いノードの決定論的摂取
二 弱ノードの非構造通知からのLLMに基づく抽出及び
三 決定論的アイデンティティの解決及び重複
このグラフの上に、ゼロショットインテントルーティング、有界リフレクションループ、セキュアツールによるグラフアクセス、状態認識応答合成を統合した解析的モジュラーエージェントを導入する。
Human-in-the-loopダッシュボードは、エビデンスと実行トレースを公開して、透明性と監査性をサポートする。
我々は7年間に700万以上の出版物からなる多言語コーパスであるスイス商工会議所(Swiss Official Gazette of Commerce)の枠組みを評価した。
さらに,エンティティ分解能の精度,ツールルーティング動作,応答品質,マルチターン対話性能を網羅した多層評価プロトコルを提案する。
自動的,人為的,会話的なベンチマークにおいて,提案するエージェントグラフRAGシステムは標準のエージェントベクトル-RAGベースラインを一貫して上回り,正確性,回答関連性,情報リコール,成功率,コンテキスト実行精度が向上する。
アーキテクチャはモジュール化されており、再現可能であり、他の商用ガゼットやパブリックセクターレジストリシステムに転送可能である。
関連論文リスト
- Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。
現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。
Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文 参考訳（メタデータ） (2025-10-17T02:33:16Z) - GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models [59.72897499248909]
本稿では,Large Language Models (LLM) を用いたエンドツーエンド学習のための新しいグラフ検索手法を提案する。
抽出したサブグラフでは, 構造的知識と意味的特徴をそれぞれ軟式トークンと言語化グラフで符号化し, LLMに注入する。
提案手法は、複雑な推論タスクに対する結合グラフ-LLM最適化の強みを検証し、最先端の性能を一貫して達成する。
論文 参考訳（メタデータ） (2025-09-20T02:38:00Z) - Towards Open-World Retrieval-Augmented Generation on Knowledge Graph: A Multi-Agent Collaboration Framework [21.896955284099334]
大きな言語モデル(LLM)は、言語理解と推論において強力な能力を示している。
Retrieval-Augmented Generation (RAG)は、外部知識ソースを組み込むことによって、この制限に対処する。
AnchorRAGは,オープンワールドRAGのための,事前定義されたアンカーエンティティを持たない新しいマルチエージェント協調フレームワークである。
論文 参考訳（メタデータ） (2025-09-01T08:26:12Z) - RAGulating Compliance: A Multi-Agent Knowledge Graph for Regulatory QA [0.0]
規制コンプライアンス質問応答(QA)は、正確で検証可能な情報を必要とする。
我々は、レギュレーション三重項の知識グラフ(KG)とレトリーバル拡張生成(RAG)を統合する新しいマルチエージェントフレームワークを提案する。
我々のハイブリッドシステムは、複雑な規制クエリにおいて従来の手法よりも優れており、組込み三重項による事実の正しさが保証されている。
論文 参考訳（メタデータ） (2025-08-13T15:51:05Z) - Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。
次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。
ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文 参考訳（メタデータ） (2025-06-06T10:07:21Z) - 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) - HM-RAG: Hierarchical Multi-Agent Multimodal Retrieval Augmented Generation [11.53083922927901]
HM-RAGは階層型マルチエージェントマルチモーダルRAGフレームワークである。
構造化、非構造化、グラフベースのデータ間での動的知識合成のための協調知能の先駆者である。
論文 参考訳（メタデータ） (2025-04-13T06:55:33Z) - Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。
まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。
最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文 参考訳（メタデータ） (2023-07-01T13:53:14Z)
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。