AtomicRAG: Mejora de la Generación Aumentada por Recuperación con Grafos Átomo-Entidad

Los recientes avances en las metodologías GraphRAG han incorporado estructuras gráficas en los procesos de indexación y recuperación de texto. Al utilizar triples de grafos de conocimiento, estos métodos buscan mejorar la cobertura y precisión de la recuperación de información. Sin embargo, una limitación significativa surge al tratar los segmentos de texto como la unidad principal de representación del conocimiento, ya que este enfoque tiende a agrupar múltiples hechos atómicos. Esta rigidez restringe la adaptabilidad necesaria para diversos contextos de recuperación. Además, la dependencia del enlace de entidades basado en triples es susceptible a errores en la extracción de relaciones, lo que puede resultar en caminos de razonamiento incompletos o inexactos, disminuyendo así la efectividad de la recuperación. Para abordar estos desafíos, introducimos el Grafo Átomo-Entidad, una arquitectura refinada para la representación e indexación del conocimiento. Nuestro método enfatiza los átomos de conocimiento—unidades distintas y autosuficientes de información fáctica—permitiendo una reconfiguración flexible sin interferencias. Las relaciones entre entidades se representan simplemente como conexiones existentes. Al integrar PageRank personalizado con filtrado basado en relevancia, garantizamos relaciones de entidades precisas y mejoramos la fiabilidad del razonamiento. Las evaluaciones teóricas y los experimentos en cinco conjuntos de datos públicos demuestran que el algoritmo AtomicRAG supera las referencias RAG existentes en precisión de recuperación y robustez del razonamiento.