ナレッジグラフの構築による専門知の構造化と評価

抄録

本研究では、専門的かつ階層的に構造化された短文をナレッジグラフに格納し、大規模言語モデル（LLM）を活用した質問応答を行うことで、組織内でのドメイン固有知識の活用を向上させることを提案する。従来の GraphRAG は、大規模データセットから一般的な知識を効果的に抽出できる一方で、より限定的で専門性の高いテキストの処理には課題がある。この問題に対処するため、本研究では、階層的に構造化された文書を直接グラフへ変換する GraphRAG-hierarchy を導入し、標準的な GraphRAG およびベクトル検索を組み合わせたハイブリッド手法（Hybrid-RAG）との比較を行った。評価の結果、GraphRAG-hierarchy は階層的な文書に対して高精度な応答を生成し、Hybrid-RAG は特異性と網羅性を向上させる一方で、必要な入力コンテキストの大幅な増加を招くことが明らかとなった。これらの結果は、本手法が安全なローカル環境における知識共有と検索を向上させる可能性を示唆している。