BYOKG-RAG: 知識グラフ質問応答のためのマルチ戦略グラフ検索
BYOKG-RAG: Multi-Strategy Graph Retrieval for Knowledge Graph Question Answering
July 5, 2025
著者: Costas Mavromatis, Soji Adeshina, Vassilis N. Ioannidis, Zhen Han, Qi Zhu, Ian Robinson, Bryan Thompson, Huzefa Rangwala, George Karypis
cs.AI
要旨
知識グラフ質問応答（KGQA）は、入力グラフ間の構造的および意味的な変異性により、重要な課題を抱えています。既存の研究では、グラフ探索と検索のために大規模言語モデル（LLM）エージェントに依存していますが、このアプローチは探索の初期化に敏感であり、エンティティリンクエラーが発生しやすく、カスタム（「bring-your-own」）KGへの汎化が不十分である可能性があります。私たちは、BYOKG-RAGというフレームワークを導入し、LLMと専門的なグラフ検索ツールを相乗的に組み合わせることでKGQAを強化します。BYOKG-RAGでは、LLMが重要なグラフアーティファクト（質問エンティティ、候補回答、推論パス、OpenCypherクエリ）を生成し、グラフツールがこれらのアーティファクトをKGにリンクして関連するグラフコンテキストを検索します。検索されたコンテキストにより、LLMは最終的な回答生成の前に、グラフリンクと検索を反復的に改善することができます。異なるグラフツールからコンテキストを検索することで、BYOKG-RAGはカスタムKGに対するQAのより一般的で堅牢なソリューションを提供します。多様なKGタイプにわたる5つのベンチマークでの実験を通じて、BYOKG-RAGが2番目に優れたグラフ検索方法を4.5%ポイント上回り、カスタムKGへのより良い汎化を示すことを実証しました。BYOKG-RAGフレームワークは、https://github.com/awslabs/graphrag-toolkit でオープンソースとして公開されています。
English
Knowledge graph question answering (KGQA) presents significant challenges due
to the structural and semantic variations across input graphs. Existing works
rely on Large Language Model (LLM) agents for graph traversal and retrieval; an
approach that is sensitive to traversal initialization, as it is prone to
entity linking errors and may not generalize well to custom ("bring-your-own")
KGs. We introduce BYOKG-RAG, a framework that enhances KGQA by synergistically
combining LLMs with specialized graph retrieval tools. In BYOKG-RAG, LLMs
generate critical graph artifacts (question entities, candidate answers,
reasoning paths, and OpenCypher queries), and graph tools link these artifacts
to the KG and retrieve relevant graph context. The retrieved context enables
the LLM to iteratively refine its graph linking and retrieval, before final
answer generation. By retrieving context from different graph tools, BYOKG-RAG
offers a more general and robust solution for QA over custom KGs. Through
experiments on five benchmarks spanning diverse KG types, we demonstrate that
BYOKG-RAG outperforms the second-best graph retrieval method by 4.5% points
while showing better generalization to custom KGs. BYOKG-RAG framework is
open-sourced at https://github.com/awslabs/graphrag-toolkit.