PathRAG: Pruning Graph-based Retrieval Augmented Generation with Relational Paths
Created by
Haebom
Category
Empty
저자
Boyu Chen, Zirui Guo, Zidan Yang, Yuluo Chen, Junze Chen, Zhenghao Liu, Chuan Shi, Cheng Yang
개요
PathRAG는 외부 데이터베이스에서 지식을 검색하여 대형 언어 모델(LLM)의 응답 품질을 향상시키는 검색 증강 생성(RAG) 방식을 제안합니다. 기존 그래프 기반 RAG의 한계점인 중복된 정보 검색 문제를 해결하기 위해, PathRAG는 인덱싱 그래프에서 주요 관계 경로를 검색하고 이를 텍스트 형태로 변환하여 LLM에 프롬프팅합니다. PathRAG는 흐름 기반 프루닝을 통해 중복 정보를 줄이고, 경로 기반 프롬프팅을 통해 LLM이 더 논리적이고 일관성 있는 응답을 생성하도록 유도합니다. 실험 결과, PathRAG는 6개의 데이터 세트와 5가지 평가 차원에서 기존의 최첨단 기반 모델보다 일관되게 우수한 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
그래프 기반 RAG 방식에서 정보 중복 문제를 해결하여 LLM의 성능을 향상시켰습니다.
◦
경로 기반 프롬프팅을 통해 LLM의 응답 품질을 개선했습니다.
◦
다양한 데이터 세트와 평가 지표에서 SOTA 성능을 달성했습니다.
•
한계점:
◦
논문에 명시된 한계점은 없지만, 그래프 구조 구성 및 유지 관리, 흐름 기반 프루닝의 복잡성 등이 잠재적인 한계로 작용할 수 있습니다.
