論文の概要: LineageRAG: Harnessing GraphRAG by Constructing Evidence Lineages with Source Grounding

• arxiv url: http://arxiv.org/abs/2608.16004v1
• Date: Mon, 17 Aug 2026 01:42:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.499613
• Title: LineageRAG: Harnessing GraphRAG by Constructing Evidence Lineages with Source Grounding
• Title（参考訳）: LineageRAG: ソースグラウンドによるエビデンスライン構築によるGraphRAGのハーネス化
• Authors: Linyao Zheng, Xuhang Shi, Zhifang Mao, Sai Zhou, Shuaixian An, Xiuquan Hou, Jinze Li,
• Abstract要約: グラフベースのRetrieval-Augmented Generation (GraphRAG)は、構造化されたcor-pusグラフに対するマルチホップ質問のエビデンスを検索する。 提案するLineageRAGは,クエリに基づく各エビデンス要求に対して1つのエビデンス lin-eage を構築し,冗長なソーススパンでそれを補完する。
• 参考スコア（独自算出の注目度）: 2.9165222076837978
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph-based Retrieval-Augmented Generation (GraphRAG) retrieves evidence for multi-hop questions over structured cor- pus graphs. Existing GraphRAG methods leave the connection between evidence discovery and source grounding implicit. We propose LineageRAG, which constructs one evidence lin- eage for each query-derived evidence demand and completes it with a verbatim source span when the selected evidence supports that demand. LineageRAG first initializes the evi- dence demands. It then expands each lineage through demand- conditioned retrieval over the corpus graph while retaining the demand associated with every candidate. Lineage completion uses this provenance to select complementary passages and grounds supported demands in verbatim source text. Experi- ments on HotpotQA, 2WikiMultiHopQA, and MuSiQue show that LineageRAG improves R@5, EM, and F1 by 3.51, 5.96, and 5.22 points on average over leading GraphRAG baselines.
• Abstract（参考訳）: グラフベースのRetrieval-Augmented Generation (GraphRAG)は、構造化されたcor-pusグラフに対するマルチホップ質問のエビデンスを検索する。 既存のGraphRAGメソッドは、エビデンス発見とソースグラウンドの関連性を暗黙的に残している。 提案するLineageRAGは,クエリに基づく各エビデンス要求に対して1つのエビデンス・リン・エイジを構築し,選択されたエビデンスがその要求を裏付ける場合に,冗長なソーススパンで完了させる。 LineageRAGは最初にevi-dence要求を初期化する。 次に、すべての候補に関する要求を維持しながら、コーパスグラフ上の要求条件付き検索を通じて、各系統を拡大する。 線形補完はこの証明を利用して、冗長なソーステキストでサポートされた要求を補完するパスとグラウンドを選択する。 HotpotQA, 2WikiMultiHopQA, MuSiQueでの実験では、LineageRAGはR@5, EM, F1を主要なGraphRAGベースラインよりも平均3.51, 5.96, 5.22ポイント改善している。

関連論文リスト

• RouteRAG: Efficient Retrieval-Augmented Generation from Text and Graph via Reinforcement Learning [69.87510139069218]
  Retrieval-Augmented Generation (RAG)は、非パラメトリック知識をLarge Language Models (LLM)に統合する 強化学習(RL)による多ターン推論へのテキストベースRAGの進歩 LLMがマルチターンおよび適応的なグラフテキストハイブリッドRAGを実現するためのRLベースのフレームワークであるモデルを導入する。
  論文  参考訳（メタデータ） (2025-12-10T10:05:31Z)
• LinearRAG: Linear Graph Retrieval Augmented Generation on Large-scale Corpora [17.929144506419064]
  Retrieval-Augmented Generation (RAG) は大規模言語モデル(LLM)の幻覚を軽減するために広く用いられている。 既存のグラフベースのRAG法は、グラフ構築のための不安定でコストのかかる関係抽出に依存している。 信頼性の高いグラフ構築と正確な経路抽出を可能にする効率的なフレームワークであるLinearRAGを提案する。
  論文  参考訳（メタデータ） (2025-10-11T08:43:45Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• PolyG: Adaptive Graph Traversal for Diverse GraphRAG Questions [12.124107412701173]
  知識グラフ質問の基本パターンを分類するために,完全4クラス分類法を提案する。 次に、グラフの包括的な集合を含む新しいグラフRAGベンチマークであるPolyBenchを作成します。 提案する質問分類法に基づき,質問を分解・分類し,適応的なグラフRAG手法であるPolyGを提案する。
  論文  参考訳（メタデータ） (2025-04-02T20:19:04Z)
• RAG vs. GraphRAG: A Systematic Evaluation and Key Insights [53.83444096699458]
  我々は,テキストベースベンチマークを用いて,検索型拡張生成(RAG)とグラフRAGを体系的に評価する。 本結果は,RAGとGraphRAGの異なる課題と評価の観点から,それぞれ異なる強みを浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-02-17T02:36:30Z)
• Retrieval-Augmented Generation with Graphs (GraphRAG) [84.29507404866257]
  Retrieval-augmented Generation (RAG) は、追加情報を取得することによって下流タスクの実行を向上させる強力な技術である。 グラフは、その固有の「エッジで接続されたノード」の性質により、巨大な異種情報と関係情報を符号化する。 従来のRAGとは異なり、多種多様な形式とドメイン固有の関係知識のようなグラフ構造化データのユニークさは、異なるドメインでGraphRAGを設計する際、ユニークで重要な課題を生じさせる。
  論文  参考訳（メタデータ） (2024-12-31T06:59:35Z)

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。