[3P1-OS-46a] 生成AIとナレッジグラフ

[3P1-OS-46a-02] 文書のチャンクに基づくGraphRAGと知識グラフのコミュニティ分類に基づくGraphRAGの比較分析

〇穴口 史将^1,2、チャクラボルティ シュデシナ¹、森田 武史^1,2、江上 周作²、鵜飼 孝典^2,3、福田 賢一郎² (1. 青山学院大学、2. 産業技術総合研究所、3. 富士通株式会社)

キーワード：大規模言語モデル、検索拡張生成、GraphRAG、知識グラフ、文書検索

大規模言語モデル（LLM）で外部知識を活用する上で，Retrieval-Augmented Generation (RAG)が注目を集めている．RAGでは，モジュールごとの拡張手法が研究されており，検索モジュールにおいては，埋め込みベクトルに基づく類似度検索手法の研究が主流となっている．さらに，知識グラフを活用したGraphRAGは，情報の整理やエンティティ間の関係取得といった効果が期待されている．しかし，GraphRAG手法により，知識グラフの構造や構築方法は異なっており，それらの類似点や相違点は明らかではない．本研究では，学術論文を対象とした情報探索QAデータセットを用いて，文書のチャンクに基づくGraphRAG手法と知識グラフのコミュニティ分類を活用したGraphRAG手法を比較する．本研究では，これらの手法で構築される知識グラフの差異を，専門知識と文脈理解の観点で分析するとともに，QAタスクの比較評価を通じて，現状の課題と手法改善について議論する．