BYOKG-RAG: 지식 그래프 질의 응답을 위한 다중 전략 그래프 검색
BYOKG-RAG: Multi-Strategy Graph Retrieval for Knowledge Graph Question Answering
July 5, 2025
저자: Costas Mavromatis, Soji Adeshina, Vassilis N. Ioannidis, Zhen Han, Qi Zhu, Ian Robinson, Bryan Thompson, Huzefa Rangwala, George Karypis
cs.AI
초록
지식 그래프 질의응답(KGQA)은 입력 그래프 간의 구조적 및 의미론적 변동성으로 인해 상당한 도전 과제를 제시합니다. 기존 연구들은 그래프 탐색 및 검색을 위해 대형 언어 모델(LLM) 에이전트에 의존하는데, 이 접근 방식은 탐색 초기화에 민감하며, 엔티티 연결 오류에 취약하고 사용자 정의("bring-your-own") KG에 잘 일반화되지 않을 수 있습니다. 우리는 LLM과 특화된 그래프 검색 도구를 시너지적으로 결합하여 KGQA를 강화하는 BYOKG-RAG 프레임워크를 소개합니다. BYOKG-RAG에서는 LLM이 핵심 그래프 아티팩트(질문 엔티티, 후보 답변, 추론 경로, OpenCypher 쿼리)를 생성하고, 그래프 도구는 이러한 아티팩트를 KG에 연결하고 관련 그래프 컨텍스트를 검색합니다. 검색된 컨텍스트는 LLM이 최종 답변 생성 전에 그래프 연결 및 검색을 반복적으로 개선할 수 있도록 합니다. 다양한 그래프 도구로부터 컨텍스트를 검색함으로써, BYOKG-RAG는 사용자 정의 KG에 대한 QA를 위한 더 일반적이고 강력한 솔루션을 제공합니다. 다양한 KG 유형을 아우르는 5개의 벤치마크에서의 실험을 통해, BYOKG-RAG가 두 번째로 우수한 그래프 검색 방법보다 4.5% 포인트 더 우수한 성능을 보이며 사용자 정의 KG에 대한 더 나은 일반화를 보여줌을 입증했습니다. BYOKG-RAG 프레임워크는 https://github.com/awslabs/graphrag-toolkit에서 오픈소스로 제공됩니다.
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.