论文略读：GRAG:GraphRetrieval-Augmented Generation
202404 arxiv
1 motivation
- 在许多应用场景中，如科学文献网络、推荐系统和知识图谱，文档之间存在复杂的关联，这些关联在传统的RAG模型中常常被忽略
- 例如，在处理科学文献时，RAG仅基于文本相似性的检索方法无法充分利用文献之间的引用关系和主题结构。这种忽视导致了生成质量的瓶颈。
- ——>论文提出了GRAG，通过考虑文献之间的引用网络和主题分布将拓扑信息在检索阶段和生成阶段利用起来，提高生成式语言模型的生成质量和图场景下的上下文一致性
2 方法
