論文の概要: Quanta: A Self-Contained Python Library for Hybrid Retrieval over Quantised Embeddings, Lexical Indexes, and Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2609.18248v1
• Date: Wed, 16 Sep 2026 07:27:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.692794
• Title: Quanta: A Self-Contained Python Library for Hybrid Retrieval over Quantised Embeddings, Lexical Indexes, and Knowledge Graphs
• Title（参考訳）: Quanta: 量子埋め込み、語彙インデックス、知識グラフによるハイブリッド検索のための自己完結型Pythonライブラリ
• Abstract要約: オープンソースのPythonライブラリである textscQuanta は、4ビットの量子化埋め込み、BM25 の全文検索、単一の検索APIの背後にある知識グラフのトラバーサルを統一する。 まず、信号は、不均一なスコアを共有範囲に正規化するのではなく、互恵的階数融合(enmph reciprocal rank fusion)によって結合される。 第2に、このグラフは、関連スコアではなく、エンファンシエート拡張器であり、新たに承認された文書は、再描画される。
• 参考スコア（独自算出の注目度）: 3.655021726150368
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: An advanced retrieval-augmented generation pipeline is typically assembled from three or four independently operated systems: an approximate nearest-neighbour index, a full-text search engine, a graph database, and a relational document store. Each contributes its own deployment surface, configuration model, and failure modes, and the integration logic that binds them is written anew in every project. In this work, we present \textsc{Quanta}, an open-source Python library, which unifies dense vector search over 4-bit quantised embeddings, BM25 full-text retrieval, and knowledge-graph traversal behind a single retrieval API. Quanta makes two design commitments, which distinguish it from existing hybrid retrieval stacks. First, signals are combined by \emph{weighted reciprocal rank fusion} rather than by normalising heterogeneous scores onto a shared range, which we argue is ill-posed because such normalisations are query-dependent. Second, the graph is a \emph{candidate expander and not a relevance scorer}: traversal widens the candidate pool, and the newly admitted documents are re-scored by the dense indexes under an identifier allowlist, so structural adjacency determines what is considered while content evidence determines how it ranks.
• Abstract（参考訳）: 高度な検索拡張生成パイプラインは通常、3つないし4つの独立したシステムから組み立てられる。 それぞれが独自のデプロイメントサーフェス、設定モデル、障害モードをコントリビュートし、それらをバインドする統合ロジックは、すべてのプロジェクトで新たに書かれています。 本研究では,オープンソースのPythonライブラリである \textsc{Quanta} について述べる。これは4ビットの量子化埋め込み,BM25フルテキスト検索,単一の検索APIの背後にあるナレッジグラフトラバーサルといった,高密度なベクトル探索を統一するものだ。 Quantaは2つの設計コミットメントを行い、既存のハイブリッド検索スタックと区別する。 まず、信号は共有範囲に不均一なスコアを正規化するのではなく、emph{weighted reciprocal rank fusion} で結合される。 第2に、このグラフは 'emph{candidate expander' であり、関連スコアではない: トラバーサルは候補プールを広げ、新しく認められた文書は識別子許容リストの下の高密度インデックスによって再描画されるので、構造的隣接性は考慮事項を決定する。

関連論文リスト

• netseg: a Python Package for Measuring Structural Polarization and Segregation in Social Networks [0.0]
  Netsegは、ネットワークインデックスのセットを実装するPythonパッケージである。 パッケージはigraphオブジェクトで動作し、基礎となるグラフ操作を実行する。 生成的意見モデルのパラメータスイープ上でのすべての指標の振舞いを報告する。
  論文  参考訳（メタデータ） (2026-09-14T10:27:11Z)
• Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework [82.66443886385125]
  ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。 1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
  論文  参考訳（メタデータ） (2026-04-07T17:59:58Z)
• SAGE: Structure Aware Graph Expansion for Retrieval of Heterogeneous Data [47.930782177987446]
  不均一なコーパスに答える検索拡張された質問は、テキスト、テーブル、グラフノード間で接続されたエビデンスを必要とする。 標準レトリバーリーダーパイプラインは、独立にチャンクされたテキスト上の平坦な類似性検索を使用し、モダリティ間のマルチホップエビデンスチェーンを欠いている。 SAGE(Structure Aware Graph Expansion)フレームワークを提案する。これは、パーセンタイルベースのプルーニングとメタデータ駆動の類似性を利用して、チャンクレベルのグラフをオフラインで構築する。 暗黙的クロスモーダルコーパスと明示的スキーマグラフのエージェント検索であるSPARK(Structure Aware Planning Agent for Retrieval over Knowledge Graphs)のハイブリッド高密度スパース検索を用いて初期検索をインスタンス化する。
  論文  参考訳（メタデータ） (2026-02-18T23:57:19Z)
• $G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA [53.491241153213565]
  G2$-Readerはマルチモーダルな質問応答のためのデュアルグラフシステムである。 Qwen3-VL-32B-Instructによる$G2$-Readerの平均精度は66.21%に達し、強力なベースラインとスタンドアローンのGPT-5(53.08%)を上回った。 5つのマルチモーダルドメインにわたるVisDoMBenchでは、Qwen3-VL-32B-Instructを使った$G2$-Readerが平均精度66.21%に達し、強力なベースラインとスタンドアロンのGPT-5(53.08%)を上回っている。
  論文  参考訳（メタデータ） (2026-01-29T17:52:54Z)
• Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
  The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。 SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
  論文  参考訳（メタデータ） (2025-07-14T08:41:53Z)
• Hierarchical Lexical Graph for Enhanced Multi-Hop Retrieval [22.33550491040999]
  RAGは、大きな言語モデルを外部の証拠に基礎を置いているが、セマンティックに遠く離れた文書で答えをまとめなければならないと、いまだに混乱している。 私たちは、StatementGraphRAGとTopicGraphRAGという2つのプラグイン・アンド・プレイレトリバーを構築します。 提案手法は,検索リコールと正当性において平均23.1%の相対的改善を達成し,有意なチャンクベースRAGよりも優れていた。
  論文  参考訳（メタデータ） (2025-06-09T17:58:35Z)
• Generative Retrieval for Book search [106.67655212825025]
  書籍検索のための効率的な生成検索フレームワークを提案する。 データ拡張とアウトライン指向の書籍エンコーディングの2つの主要コンポーネントがある。 プロプライエタリなBaiduデータセットの実験では、GBSが強力なベースラインを上回ることが示されている。
  論文  参考訳（メタデータ） (2025-01-19T12:57:13Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)

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。