HippoRAG 2 - オハイオ州立大学が開発した検索機能強化および生成フレームワーク - AiBoss

HippoRAG 2とは何ですか？

オハイオ州立大学が開発した HippoRAG 2 は、人間の長期記憶のダイナミクスと関連性をシミュレートする上で既存の RAG システムの限界に対処する検索拡張 (RAG) フレームワークです。パーソナライズされた PageRank アルゴリズムに基づき、HippoRAG 2 は深い段落を統合し、より効果的なオンライン LLM (大規模言語モデル) を利用することで、RAG システムの性能を人間の長期記憶のパフォーマンスに近づけています。オフラインフェーズでは、HippoRAG 2 は LLM を使用して段落からトリプルを抽出し、オープンな知識グラフ (KG) を構築すると同時に、埋め込みモデルに基づいて KG に同義語を追加します。オンライン検索では、クエリが KG 内のトリプルと段落にリンクされ、無関係な情報は LLM を使用してフィルタリングされ、パーソナライズされた PageRank アルゴリズムがコンテキスト認識検索に適用され、最終的に質問応答タスクに最も関連性の高い段落が提供されます。

HippoRAG 2の主な特徴

効率的な知識検索と統合深層段落統合と知識グラフ（KG）構築に基づき、関連知識を迅速に検索・照会し、生成プロセスに統合することができる。
マルチホップ関連付け推論システムは、独自のPageRankアルゴリズムを活用することで、マルチホップ推論を実行し、散在する知識の断片を結びつけ、複雑な質疑応答タスクを処理する。
コンテキスト認識型検索クエリと知識グラフ間の密接な相互作用に基づき、検索結果は文脈に応じて動的に調整され、検索の精度と関連性が向上します。
継続的な学習能力HippoRAG 2は、非パラメトリックな連続学習フレームワークとして、モデルパラメータを変更することなくリアルタイムで新しい知識を吸収・活用できるため、システムの適応性が向上します。

HippoRAG 2の技術的原理

オフラインインデックス作成この手法では、LLMを用いてテキスト段落から構造化されたトリプル（主語、関係、目的語）を抽出し、これらのトリプルをオープンな知識グラフ（KG）に統合します。同義語は埋め込みモデルを用いて検出され、同義語のエッジがKGに追加されて接続性が強化されます。その後、元の段落が知識グラフと組み合わされ、概念情報と文脈情報を含む複合知識グラフが形成されます。
オンライン検索：
- クエリリンククエリは、埋め込みモデルを使用して知識グラフ内のトリプルと段落と照合され、グラフ検索のシードノードが決定されます。
- 三方向フィルター取得されたトリプルは、LLMに基づいてフィルタリングされ、無関係な情報が削除され、クエリに非常に関連性の高い知識が保持されます。
- パーソナライズされたページランクアルゴリズムKG構造に基づいて、コンテキストを考慮した検索のためにパーソナライズされたPageRankアルゴリズムが適用され、検索結果の関連性が動的に調整されます。
- 段落ランキングとQ&A段落はPageRankスコアに基づいてランク付けされ、上位にランク付けされた段落が最終的な質問応答モデルへのコンテキスト入力として使用されます。
パーソナライズされたページランクアルゴリズムHippoRAG 2の中核技術の一つは、人間の記憶におけるマルチホップ推論プロセスをシミュレートし、知識グラフ内で深層検索を実行し、分散した知識ノードを接続し、複雑な関係タスクをより適切に処理する、パーソナライズされたPageRankアルゴリズムです。
詳細な段落統合このアプローチでは、段落を知識グラフ内のノードと深く統合することで、段落の文脈情報を保持し、知識グラフの意味的な豊かさを高め、検索結果の関連性と精度を向上させます。

HippoRAG 2プロジェクトの住所

GitHubリポジトリ：https://github.com/OSU-NLP-Group/HippoRAG
arXiv技術論文：https://arxiv.org/pdf/2502.14802

HippoRAG 2の応用シナリオ

インテリジェントな質問応答複雑な質問にも迅速に、かつ正確な回答を提供する。
知識管理これにより、関連コンテンツの効率的な検索と推奨が可能になり、知識活用の効率が向上します。
教育支援教育と研究を支援するための学習リソースのリアルタイム更新。
医療相談医学知識を検索し、包括的な健康アドバイスを提供する。
法律と金融規制とデータを迅速に統合し、専門家の意思決定を支援する。