ترجمه فارسی مقاله HybridRAG: ادغام گراف‌های دانش و بازیابی برداری نسل افزوده برای استخراج کارآمد اطلاعات

چکیده

Extraction and interpretation of intricate information from unstructured text data arising in financial applications, such as earnings call transcripts, present substantial challenges to large language models (LLMs) even using the current best practices to use Retrieval Augmented Generation (RAG) (referred to as VectorRAG techniques which utilize vector databases for information retrieval) due to challenges such as domain specific terminology and complex formats of the documents. We introduce a novel approach based on a combination, called HybridRAG, of the Knowledge Graphs (KGs) based RAG techniques (called GraphRAG) and VectorRAG techniques to enhance question-answer (Q&A) systems for information extraction from financial documents that is shown to be capable of generating accurate and contextually relevant answers. Using experiments on a set of financial earning call transcripts documents which come in the form of Q&A format, and hence provide a natural set of pairs of ground-truth Q&As, we show that HybridRAG which retrieves context from both vector database and KG outperforms both traditional VectorRAG and GraphRAG individually when evaluated at both the retrieval and generation stages in terms of retrieval accuracy and answer generation. The proposed technique has applications beyond the financial domain

چکیده به فارسی (ترجمه ماشینی)

استخراج و تفسیر اطلاعات پیچیده از داده های متن بدون ساختار ناشی از برنامه های مالی ، مانند رونوشت های فراخوانی درآمد ، چالش های اساسی را برای مدل های بزرگ زبان (LLM) ارائه می دهد حتی با استفاده از بهترین شیوه های فعلی برای استفاده از نسل تقویت شده بازیابی (RAG) (به عنوان Vectorrag گفته می شودتکنیک هایی که از پایگاه داده های بردار برای بازیابی اطلاعات استفاده می کنند) به دلیل چالش هایی مانند اصطلاحات خاص دامنه و قالب های پیچیده اسناد.ما یک رویکرد جدید را بر اساس ترکیبی به نام Hybridrag ، از تکنیک های RAG مبتنی بر نمودارهای دانش (KGS) (به نام Graphrag) و تکنیک های Vectorrag برای تقویت سیستم های پاسخ به سؤال (پرسش و پاسخ) برای استخراج اطلاعات از اسناد مالی معرفی می کنیم که نشان داده شده است.قادر به ایجاد پاسخ های دقیق و متنی مرتبط است.با استفاده از آزمایشات روی مجموعه ای از اسناد تماس تلفنی درآمدی مالی که به صورت فرمت پرسش و پاسخ ارائه می شوند ، و از این رو مجموعه ای طبیعی از جفت Q&AS زمین را ارائه می دهیم ، ما نشان می دهیم که هیبریدی که زمینه را از هر دو پایگاه داده بردار بازیابی می کند و KG از هر دو عملکرد سنتی استVectorrag و Graphrag به صورت جداگانه در هنگام ارزیابی در هر دو مرحله بازیابی و نسل از نظر دقت بازیابی و تولید پاسخ.تکنیک پیشنهادی دارای برنامه های فراتر از حوزه مالی است