テキストリッチグラフ知識ベースにおける構造的検索とテキスト検索の混合手法

Mixture of Structural-and-Textual Retrieval over Text-rich Graph Knowledge Bases

February 27, 2025

著者: Yongjia Lei, Haoyu Han, Ryan A. Rossi, Franck Dernoncourt, Nedim Lipka, Mahantesh M Halappanavar, Jiliang Tang, Yu Wang

cs.AI

要旨

テキスト豊富なグラフ知識ベース（TG-KBs）は、テキスト的および構造的知識を提供することでクエリに答える上でますます重要になっています。しかし、現在の検索手法では、これら2種類の知識を相互補強を考慮せずに個別に検索することが多く、一部のハイブリッド手法では近傍集約後に構造的検索を完全にバイパスすることさえあります。このギャップを埋めるため、我々は「構造的およびテキスト的検索の混合（MoR）」を提案し、Planning-Reasoning-Organizingフレームワークを通じてこれら2種類の知識を検索します。Planning段階では、MoRはクエリに答えるための論理を描いたテキスト計画グラフを生成します。計画グラフに従い、Reasoning段階では、MoRは構造的トラバーサルとテキスト的マッチングを織り交ぜてTG-KBsから候補を取得します。Organizing段階では、MoRは取得した候補をその構造的軌跡に基づいてさらに再ランク付けします。広範な実験により、MoRが構造的およびテキスト的検索を調和させる優位性が示され、異なるクエリ論理にわたる検索性能の不均一性や、候補再ランク付けにおける構造的軌跡の統合の利点などの洞察が得られました。我々のコードはhttps://github.com/Yoega/MoRで公開されています。

English

Text-rich Graph Knowledge Bases (TG-KBs) have become increasingly crucial for answering queries by providing textual and structural knowledge. However, current retrieval methods often retrieve these two types of knowledge in isolation without considering their mutual reinforcement and some hybrid methods even bypass structural retrieval entirely after neighboring aggregation. To fill in this gap, we propose a Mixture of Structural-and-Textual Retrieval (MoR) to retrieve these two types of knowledge via a Planning-Reasoning-Organizing framework. In the Planning stage, MoR generates textual planning graphs delineating the logic for answering queries. Following planning graphs, in the Reasoning stage, MoR interweaves structural traversal and textual matching to obtain candidates from TG-KBs. In the Organizing stage, MoR further reranks fetched candidates based on their structural trajectory. Extensive experiments demonstrate the superiority of MoR in harmonizing structural and textual retrieval with insights, including uneven retrieving performance across different query logics and the benefits of integrating structural trajectories for candidate reranking. Our code is available at https://github.com/Yoega/MoR.