論文の概要: UCVE: Graph Structured Retrieval for Compliance Validation
- arxiv url: http://arxiv.org/abs/2610.37323v1
- Date: Tue, 27 Oct 2026 14:35:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.659251
- Title: UCVE: Graph Structured Retrieval for Compliance Validation
- Title（参考訳）: UCVE: コンプライアンス検証のためのグラフ構造化検索
- Abstract要約: acUは、コンプライアンス要求空間をacCRGとして表現するドメインに依存しないフレームワークである。
acUは、強い検索とグラフベースのベースラインを一貫して上回る。
- 参考スコア（独自算出の注目度）: 3.282036524484816
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Structured compliance validation requires determining whether every obligation in a predefined requirement space is satisfied, violated, or unaddressed by a given document. This can be described as a coverage problem that existing retrieval and classification systems, by treating requirements as independent, are not designed to solve. We introduce \textbf{\ac{UCVE}}, a domain-agnostic framework that represents compliance requirement spaces as a \ac{CRG} and performs retrieval via spectral reranking over its reinforcement learning-weighted Laplacian. Edges between requirement nodes are learned via reinforcement learning with a traversal reward grounded in violation detection, reshaping the graph's community structure such that low-pass spectral filtering distinguishes relevant from irrelevant obligation clusters. Evaluating across three compliance domains, \ac{UCVE} averages 4.3\% matched-$K$ recall lift over flat cosine retrieval and consistently outperforms strong retrieval and graph-based baselines.
- Abstract（参考訳）: 構造化されたコンプライアンス検証は、あらかじめ定義された要件空間におけるすべての義務が、所定の文書によって満たされたり、違反されたり、未適応であったりするかどうかを判断する必要がある。
これは、既存の検索と分類システムにおいて、要求を独立したものとして扱うことで解決されるものではない、というカバレッジ問題として説明できる。
本稿では、コンプライアンス要求空間を表すドメインに依存しないフレームワークである‘textbf{\ac{UCVE}}を紹介し、その強化学習重み付きラプラシアンに対するスペクトル再構成による検索を行う。
要求ノード間のエッジは、違反検出に基づくトラバース報酬による強化学習を通じて学習され、低パススペクトルフィルタリングが無関係な義務クラスタと区別するように、グラフのコミュニティ構造を再構築する。
3つのコンプライアンス領域で評価すると、平均4.3\%のマッチング-$K$リコールリフトはフラットなコサイン検索よりも優れ、強い検索とグラフベースのベースラインを一貫して上回る。
関連論文リスト
- SpectRAG: Weighted Chunk Graphs for Token-Budgeted Context Selection in Multi-Hop Retrieval-Augmented Generation [0.0]
SpectRAGは、ハイブリッド候補シード、重み付きチャンクグラフ構築、グラフベースの拡張、トークン予算コンテキスト選択を組み合わせた、スペクトルグラフ拡張検索フレームワークである。
我々はSpectRAGが広範囲にわたる証拠回収を改善し,HyDE, LightRAG, NaiveRAGベースラインに対する競合生成品質を実現することを示す。
論文 参考訳（メタデータ） (2026-10-27T10:38:29Z) - Structure-agnostic Causal Representation Learning [29.12751904333385]
因果表現学習は、データ生成の根底にある因果構造を利用して、堅牢な特徴を発見することを目的としている。
因果構造を共同で識別し,それに対応する不変表現を事前の構造知識なしで学習するフレームワークであるSaCRLを紹介する。
論文 参考訳（メタデータ） (2026-10-01T02:59:02Z) - Unpaired Modality-Agnostic Generative Recommendation [26.342219762853187]
UnpairGRは、ペア、イメージのみ、およびテキストのみの観察から、統合されたセマンティックID空間を学ぶ。
3つのベンチマークデータセットの実験は、UnpairGRが常にレコメンデーションパフォーマンスを改善していることを示している。
論文 参考訳（メタデータ） (2026-08-03T16:46:47Z) - Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。
RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
論文 参考訳（メタデータ） (2026-05-28T10:38:38Z) - Cycle-Consistent Search: Question Reconstructability as a Proxy Reward for Search Agent Training [80.20022221643414]
Cycle-Consistent Searchは、検索エージェントを訓練するための金色のスーパービジョンのないフレームワークである。
CCSは教師付きベースラインに匹敵する性能を示す。
これらの結果から,CCSは金の監督が不可能な環境で検索エージェントを訓練するためのスケーラブルな訓練パラダイムを提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-04-14T17:00:18Z) - 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) - FGC-Comp: Adaptive Neighbor-Grouped Attribute Completion for Graph-based Anomaly Detection [0.0]
FGC-Compは軽量で分類器に依存しない、デプロイに優しい属性補完モジュールである。
各ノードの隣接ノードを3つのラベルベースグループに分割し、ラベル付きグループにグループ固有の変換を適用し、バイナリ分類目的でエンドツーエンドを訓練する。
2つの実世界の不正データセットの実験は、無視可能な計算オーバーヘッドによるアプローチの有効性を検証する。
論文 参考訳（メタデータ） (2025-12-02T12:34:21Z) - 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) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z) - Conditional Self-Attention for Query-based Summarization [49.616774159367516]
条件依存モデリング用に設計されたニューラルネットワークモジュールであるテキスト条件自己アテンション(CSA)を提案する。
DebatepediaとHotpotQAベンチマークデータセットの実験は、CSAがバニラトランスフォーマーを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2020-02-18T02:22:31Z)
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。