この論文では、質問回答（QA）課題のために外部知識を大規模言語モデル（LLM）に統合するのに効果的な検索拡張生成（RAG）方法を紹介します。従来のグラフベースのＲＡＧアプローチは、グラフデータから関連情報を正確に識別することができず、オンライン検索の過程で多くのトークンを消費するという問題がある。これを解決するために,本論文では,属性コミュニティを用いて質問を強化し,新しいLLMベースの階層的クラスタリング法を導入した新しいグラフベースRAGアプローチであるAttributed Community-based Hierarchical RAG(ArchRAG)を提案した。属性コミュニティの新しい階層索引構造を構築し、効率的なオンライン検索方法を開発し、質問に関する最も関連性の高い情報をグラフから検索します。実験の結果、ArchRAGは、従来の方法よりも精度とトークンコストの両方で優れた性能を示します。
