論文の概要: post-graph-rag: A PostgreSQL-Native Graph RAG Engine
- arxiv url: http://arxiv.org/abs/2608.24921v1
- Date: Fri, 14 Aug 2026 22:06:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 05:49:59.250644
- Title: post-graph-rag: A PostgreSQL-Native Graph RAG Engine
- Title(参考訳): Post-graph-rag:PostgreSQL-Native Graph RAGエンジン
- Abstract要約: Post-graph-ragはオープンソースのグラフエンジンである。
抽出時間不変量は、何かを書く前に実行される。
時間層により、関係は散文から有効期間を持てる。
クエリ可能な1: 異なるエッジラベルは、関係ごとに0.46から0.58で、制御された語彙の下で0.11で、0.77から1.33で実行される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Graph-based retrieval-augmented generation connects facts that no single passage states, but current implementations pay for that three times: in infrastructure, requiring a vector store, graph database and document store to be kept consistent; in graph quality, because an extraction pipeline that never refuses output fills the graph with edges that assert nothing; and over time, because a graph that only accumulates treats superseded and current facts alike. post-graph-rag is an open-source engine addressing all three. Text chunks with embeddings, a canonical entity graph and community summaries live in one PostgreSQL database, with pgvector for search and edge tables for traversal. Extraction-time invariants run before anything is written: vague predicates, pronominal names and bare quantities are rejected; predicates are normalised onto an optional vocabulary; entities resolve to one vertex per canonical name via model-supplied aliases; and denied relations keep the positive predicate under a negation flag. A temporal layer lets relations carry a validity period from the prose, lets a later document supersede an earlier incompatible assertion from document order alone, and answers as-of queries. Against LightRAG on three corpora under identical extraction and embedding models, post-graph-rag builds a denser graph everywhere, up to $2.4\times$ the relations per entity, and a more queryable one: distinct edge labels run at 0.46 to 0.58 per relation, 0.11 under a controlled vocabulary, against 0.77 to 1.33. It answers comparably with lower query latency, and supports temporal evolution the baseline lacks: 13 and 8 relationships superseded on a novel sequence and a decade of filings, against zero. These are engineering measurements, not a benchmark result. Code: https://github.com/crajah/post-graph-rag, https://github.com/crajah/post-graph
- Abstract(参考訳): インフラストラクチャでは、ベクターストア、グラフデータベース、ドキュメントストアは一貫性を保つ必要がある;グラフ品質では、出力を拒否しない抽出パイプラインは、何も主張しないエッジでグラフを埋めるからである。
Post-graph-ragはオープンソースのエンジンで、3つすべてに対応している。
テキストチャンクには埋め込み、標準エンティティグラフ、コミュニティの要約が1つのPostgreSQLデータベースに格納されており、pgvectorは検索用、エッジテーブルはトラバース用である。
曖昧な述語、固有名、素量の不変量は拒絶され、述語は任意の語彙に正規化され、実体はモデル付与のエイリアスを介して1つの標準名に分解され、否定された関係は、否定フラグの下で正の述語を保持する。
時間層は、関係が散文から有効期間を持てるようにし、後続の文書が文書の順序のみから以前の非互換なアサーションに取って代わり、クエリーとして答えることを可能にする。
同一抽出および埋め込みモデルの下での3つのコーパスのLightRAGに対して、ポストグラフラグは、至る所でより密度の高いグラフを構築し、エンティティごとの関係$2.4\times、よりクエリ可能なグラフである: 異なるエッジラベルは、0.46から0.58、制御された語彙では0.11、0.77から1.33である。
13と8の関係は、新しいシーケンスに取って代わられ、0に対して10のファイリングが行われます。
これらはエンジニアリング測定であり、ベンチマーク結果ではない。
コード:https://github.com/crajah/post-graph-rag, https://github.com/crajah/post-graph
関連論文リスト
- Reification as a Transferable Vocabulary: Zero-Shot Link Prediction with Vanilla GNNs [0.033842793760651545]
ULTRAのような知識グラフ基盤モデルは、転送機構をハードコードする専用アーキテクチャを通じて、目に見えないグラフのゼロショットリンク予測を実現する。
この作業では、入力グラフを具現化することにより、そのメカニズムをアーキテクチャから表現に移します。
5つの教科書GNNは、1つのNVIDIA A100で4,245トリプルの知識グラフを30分間トレーニングし、ゼロショットを40のインダクティブリンク予測ベンチマークに転送する。
論文 参考訳(メタデータ) (2026-09-10T10:26:09Z) - Relational-Core Graph Analytics Querying graphs at SQL scale, and why the node/edge model is a performance tax, not a truer picture of connected data [0.0]
永続的な仮定では、グラフ分析には目的を持ったグラフエンジンが必要である。
私たちは、企業が実際に実行するワークロードに対して、その逆を論じています。
グラフクエリ言語で表されるカラムリレーショナルエンジンは、分析グラフクエリ上でネイティブグラフエンジンと一致するか、あるいは超える。
論文 参考訳(メタデータ) (2026-09-01T16:55:11Z) - AutoGrable: What Is a Good Graph for a Table? [5.965765632793876]
グラフ学習では、どのエンティティがノードになり、どのエンティティが接続し、どの関係を通すかを決定する必要がある。
最小のテーブル-グラフ抽象では、各行はノードであり、1-WLで区切られたメッセージパスGNNは、行をカラーリファインメントクラスに分割したものとしてのみ構成される。
インシデント構築では、パーティションは選択した列によって固定されるため、グラフの構築はそれらを選択することを減らす。
論文 参考訳(メタデータ) (2026-08-11T20:53:42Z) - Graph Chain-of-Thought: Augmenting Large Language Models by Reasoning on Graphs [60.71360240206726]
大規模言語モデル(LLM)は、特に知識集約的なタスクにおいて幻覚に悩まされる。
既存の研究は、外部知識コーパスから取得した個々のテキスト単位でLLMを拡張することを提案する。
本稿では,グラフを反復的に推論することで,LLMをグラフで拡張するためのGraph Chain-of-thinkt (Graph-CoT) というフレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-10T15:41:53Z) - Joint Entity and Relation Extraction with Span Pruning and Hypergraph
Neural Networks [58.43972540643903]
PLマーカ(最先端マーカーベースピプレリンモデル)上に構築されたEREのためのHyperGraphニューラルネットワーク(hgnn$)を提案する。
エラーの伝播を軽減するため,NERモジュールからのエンティティ識別とラベル付けの負担をモデルのジョイントモジュールに転送するために,ハイリコールプルーナー機構を用いる。
EREタスクに広く使用されている3つのベンチマークの実験は、以前の最先端のPLマーカーよりも大幅に改善されている。
論文 参考訳(メタデータ) (2023-10-26T08:36:39Z) - Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。
既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。
学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
論文 参考訳(メタデータ) (2023-10-10T14:59:22Z) - Proton: Probing Schema Linking Information from Pre-trained Language
Models for Text-to-SQL Parsing [66.55478402233399]
本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。
スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。
我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
論文 参考訳(メタデータ) (2022-06-28T14:05:25Z) - FactGraph: Evaluating Factuality in Summarization with Semantic Graph
Representations [114.94628499698096]
文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。
MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。
事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
論文 参考訳(メタデータ) (2022-04-13T16:45:33Z) - LGESQL: Line Graph Enhanced Text-to-SQL Model with Mixed Local and
Non-Local Relations [35.22082070904513]
この研究は、テキストからネイティブタスクにおける不均一なグラフ符号化問題に取り組むことを目的としている。
本稿では,Line Graph Enhanced Text-to-native (LGE)モデルを提案する。
我々のフレームワークは、クロスドメインテキスト-ネイティブベンチマークで最先端の結果(Gloveは62.8%、Electraは72.0%)を達成する。
論文 参考訳(メタデータ) (2021-06-02T11:53:35Z) - Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。
グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
論文 参考訳(メタデータ) (2020-04-05T13:09:37Z)
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。