图引导概念选择：降低GraphRAG构建成本，提升RAG效率的新突破

Graph-Guided Concept Selection for Efficient Retrieval-Augmented Generation

摘要

华为云研究团队提出G2ConS框架，通过图引导概念选择技术大幅降低图基于检索增强生成(GraphRAG)的构建成本，在多个数据集上实现31.44%的性能提升，同时将成本降低80%。

原文链接: https://t.zsxq.com/fm2El

---

前言：GraphRAG面临的挑战与机遇

在人工智能快速发展的今天，大语言模型(LLM)在问答系统中的应用越来越广泛。然而，传统的检索增强生成(RAG)方法在处理复杂的多跳推理问题时存在明显不足。为了解决这一问题，基于图的检索增强生成(GraphRAG)应运而生，通过构建知识图谱来捕获文档间的依赖关系，显著提升了复杂问答场景的准确性。

特别是在生物医学、法律和政治科学等专业领域，GraphRAG已被证明能够显著增强大模型的问答能力。然而，GraphRAG面临一个关键挑战：构建成本过高，这阻碍了其在实际应用中的部署。

华为云计算技术有限公司的研究团队针对这一痛点，提出了创新性的解决方案——图引导概念选择(G2ConS)框架。

G2ConS：革命性的效率提升方案

核心创新理念

G2ConS的核心思想基于一个重要观察：某些词汇（称为概念）及其相关文档比其他内容更加重要。基于这一洞察，研究团队设计了两个互补的策略：

1. 核心块选择(Core Chunk Selection)

   ：选择重要的文档块以降低知识图谱构建成本

2. 概念图检索(Concept G