蓝粉长发的原创研究者与星猫在温室工作台连接关系图节点和多层纸质摘要树
M51 · 涡状星系 · 宏象旋涡星系 · 猎犬座 · 约 3100 万光年

关于 RAPTOR 与 GraphRAG 融合的一些想法

能否用知识图谱的连接关系指导层次摘要构建?从中心节点与摘要节点的区别出发,尝试保留关系图,同时建立可回溯的概括层。

Inspirations 约 7 分钟阅读 光行 41 日 在星图中找到它
关于 RAPTOR 与 GraphRAG 融合的一些想法 Inspirations

读到 RAPTOR 和 GraphRAG 时,我产生了一个很直接的想法:既然前者会把相近文本逐层聚成摘要,后者又有实体和关系,能不能让连接比较多的实体成为“父节点”,再由它们组织一棵文档树?

这个直觉有值得保留的部分,但中心节点与摘要节点承担的职责不同。把图排成树,不等于已经获得了层次摘要;而 GraphRAG 也并非完全没有上层概括。因此,更准确的问题应该是:图结构能否帮助我们构造更合适的摘要层次?

中心节点不是摘要

RAPTOR通过递归的嵌入、聚类与概括构建多层表示。GraphRAG则把源文本中的实体关系组织成图,并利用社区摘要支持较全局的问题。这里的差别,不是“一个有层次、一个没有”,而是组织对象与形成概括的路径不同。

一个连接很多关系的实体,可能是贯穿资料的主题,也可能只是所有段落都提到的机构名。它可以成为导航中心,却未必能够代表周围材料的主要结论。

方向性也需要小心。同一个事实可以使用不同的关系方向表达;仅按出度排序,有可能主要反映抽取约定,而非内容重要性。中心性可以是线索,但不能独自承担概括能力。

保留两个表示

我会先保留文本块集合 D={d1,…,dn}D=\{d_1,\ldots,d_n\},同时建立实体关系图 G=(V,E)G=(V,E),再记录文本与实体之间的证据对应:

B∈{0,1}n×∣V∣.B\in\{0,1\}^{n\times |V|}.

这里 Biv=1B_{iv}=1 表示文本块 did_i 提供了与实体 vv 有关的原始证据。抽取结果本身可能出错,所以边还需要指回具体文本,而不能只保留一个没有出处的三元组。

对一个候选实体组 C⊆VC\subseteq V,可以先收集相关文本,再形成新的概括节点:

DC={di:∃v∈C,  Biv=1},sC=Summarize⁡(DC).D_C=\{d_i:\exists v\in C,\;B_{iv}=1\}, \qquad s_C=\operatorname{Summarize}(D_C).

sCs_C 是新生成的摘要,不是简单把某个高度数实体改名为父节点。下一层可以继续对这些摘要及其证据覆盖进行分组,同时记录每个概括来自哪些下层材料。

这样,原始关系图与摘要层次同时存在:前者保留跨主题连接,后者帮助选择阅读粒度。没有必要为了得到一棵树,就把图中的环和交叉关系全部删掉。

让结构指导分组

如果要保留最初“从中心性出发”的直觉,我会把它作为候选生成步骤,再加入语义与证据约束。例如,一个待验证的打分形式是

score⁡(v,C)=λ1c(v)+λ2a(v,C)+λ3e(v,C)−λ4r(v,C).\operatorname{score}(v,C) =\lambda_1 c(v)+\lambda_2 a(v,C) +\lambda_3 e(v,C)-\lambda_4 r(v,C).

cc 是经过归一化的中心性线索,aa 是语义适配,ee 是证据覆盖,rr 表示冗余。这个式子只是设计草图,权重、定义和稳定性都需要验证,不能把一个加权和本身当作新的理论结果。

我真正想比较的是:纯语义分组、纯图结构分组,以及两者结合时,是否会形成对检索更有用的层次。跨文档共指、抽取噪声和过于笼统的中心实体,都应成为测试条件。

父子结构也应具有明确约束:上层概括要能追溯到证据,递归过程需要停止条件,更新源文档后应能发现受影响的摘要。层次越多,摘要误差与更新成本也可能累积。

用一个小模块验证

我更愿意先把它做成可替换的层次构建模块,而不是马上声称它是一种优于现有系统的新方法。

实验应固定文档、切块、嵌入、生成模型和上下文预算,比较向量检索、RAPTOR、GraphRAG,以及图引导的候选方案。问题类型至少区分局部事实、多跳关系与全局概括,因为某一类问题的收益不能代表全部用途。

除答案质量外,还需要报告证据可回溯性、检索覆盖、构建成本、更新成本、输入 token 和延迟。实体抽取和摘要生成的费用不能因为发生在离线阶段就被忽略。

我也想专门做两个消融:去掉中心性线索,以及去掉语义约束。如果删掉某个设计后结果没有变化,就不应继续把它当作核心贡献。

不急着给它命名

这还没有形成我自己的实验结论。它也许最终是一项有用的工程组合,也许某个具体的层次构建问题能发展成方法研究,也可能在公平比较后发现简单方案已经足够。

目前最吸引我的不是把两个名字接起来,而是一个具体问题:能不能让树更会概括,让图继续保留关系,并让每一次概括都有回到原文的路?它与Agent 的分层记忆也有相似之处——结构的意义,最终要体现在更合适的读取与使用上。

参考资料

喜欢的话,留下你的评论吧~

访问 — 次

© 2026 Pyuyi @Pyuyi's Microcosm
Powered by theme astro-koharu · Inspired by Shoka