最新レビュー：GraphRAG、編纂：PaperAgent
6月には、GraphRAG技術の評価に関する2つの最新論文が発表され、12種類のGraphRAG技術が取り上げられています：HippoRAG、HippoRAG2、LightRAG、Fast-GraphRAG、RAPTOR、MGraphRAG、KGP、GraphRAG 、G-Retriever、DALK、ToG、GFM-RAG
論文1：When to use Graphs in RAG: A Comprehensive Analysis for Graph Retrieval-Augmented Generation
論文URL：https://arxiv.org/pdf/2506.05690
論文2：GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation
論文URL：https://arxiv.org/pdf/2506.02404
GraphRAGは、グラフ構造を構築して背景知識を整理する拡張RAGパラダイムです。ノードはエンティティ、イベント、またはトピックを表し、エッジはそれらの間の論理的、因果的、または関連的な関係を表します。これにより、直接関連するノードだけでなく、グラフを辿って相互接続されたサブグラフを捕捉し、隠れたパターンを発見します。
GraphRAG vs RAG
GraphRAGは本当に効果的なのか、そしてどのようなシナリオでグラフ構造がRAGシステムに測定可能なメリットをもたらすのか？
厦門大学と香港理工大学が提案したGraphRAG-Benchベンチマークフレームワークは、階層的な知識検索と深い文脈推論におけるGraphRAGモデルのパフォーマンスを包括的に評価することを目的としています：
実験セクションでは、GraphRAGと従来のRAGを包括的に比較し、以下の結論を導き出しました：
1. 生成精度（Generation Accuracy）：GraphRAGは、複雑な推論、文脈要約、創造的生成タスクにおいてRAGを上回るパフォーマンスを示しましたが、単純な事実検索タスクではRAGの方が同等かそれ以上のパフォーマンスでした。
2. 検索性能（Retrieval Performance）：GraphRAGは複雑な問題において優位性を示し、異なるテキスト断片に分散した情報を接続できるため、マルチホップ推論や包括的な要約にとって不可欠です。
3. グラフの複雑性（Graph Complexity）：異なるGraphRAG実装によって生成されるインデックスグラフは構造的に顕著な差異があり、例えばHippoRAG2が生成するグラフは、他のフレームワークよりもはるかに多くのノードとエッジを持つより密なグラフです。
香港理工大学とTencent Youtuが提案するGraphRAG-Benchは、GraphRAGの特定ドメイン推論におけるパフォーマンス評価に焦点を当てています。このベンチマークは、16の学問分野を網羅する1018の大学レベルの問題を含み、マルチホップ推論、複雑なアルゴリズムプログラミング、数学的計算など、様々なタスクタイプを対象としています。
RAPTOR、LightRAG、GraphRAG、G-Retriever、HippoRAG、GFM-RAG、DALK、KGP、ToGを含む9つの最先端のGraphRAG手法が評価され、重要な結論が導き出されました：
1. GraphRAGの利点：複雑な推論やマルチホップタスクにおいて、GraphRAGは従来のRAG手法を大幅に上回ります。特に、深い文脈理解と論理的推論を必要とするタスクで顕著です。
2. タスクタイプの影響：GraphRAGのパフォーマンスは、異なるタスクタイプで差異があります。例えば、数学や倫理学の分野では、コンピュータサイエンスの分野ほど強力なパフォーマンスではありません。
3. 推論能力の向上：GraphRAG手法は、生成精度を向上させるだけでなく、モデルの推論能力を著しく高め、より論理的に一貫した説明を生成できるようになります。
GraphRAG技術のグラフ構築評価
RAPTORはグラフ構築時間が最も長いですが、LLMを介して要約を生成するだけなのでトークン消費は最小です。
KGPはグラフ構築時間が短いですが、トークン消費は高いです。
GraphRAGとLightRAGはグラフ構築時間が長く、追加の記述情報を生成するためトークン消費が最大です。
G-RetrieverとHippoRAGはグラフ構築時間が最も短く、非孤立ノードの割合が最も高い（約90%）ため、グラフ構築品質において最高のパフォーマンスを示します。
GraphRAG技術の知識検索評価
GFM-RAGは従来のベクトルデータベースを構築しないため、インデックス作成時間が最短です。
RAPTORはツリー構造により迅速な情報特定が可能であるため、平均検索時間が最速です。
HippoRAGとGFM-RAGはそれぞれGNNとPageRankアルゴリズムを利用しているため、検索時間が短いです。
GraphRAGはコミュニティ情報を利用して検索する必要があるため、検索時間が長いです。