https://arxiv.org/pdf/2603.22340
Graphs RAG at Scale: Beyond Retrieval-Augmented Generation With Labeled Property Graphs and Resource Description Framework for Complex and Unknown Search Spaces
传统RAG的瓶颈
大型语言模型（LLM）虽然能力强大，但面临知识静态化和幻觉问题。检索增强生成（RAG）通过动态检索外部知识缓解了这一问题，但传统RAG依赖密集向量嵌入和相似性搜索，存在明显局限：Agent RAG：可控、可解释、可验证" data-itemshowtype="0" linktype="text" data-linktype="2">Dual-Tree Agent RAG：可控、可解释、可验证
搜索空间僵化：必须预先指定检索文档数量（top-k），当搜索空间未知时难以确定合适的K值 数据结构限制：在处理半结构化数据（如深层嵌套的JSON）时表现不佳，容易丢失上下文或产生幻觉 重排序开销：需要额外的重排序模型来过滤噪声，增加系统复杂度
当面对金融、医疗等领域的复杂结构化数据时，传统RAG的检索精度和完整性往往难以满足需求。
双架构Graph RAG框架
本文提出的Graph RAG框架创新性地结合了两种图数据库范式：
1. RDF三元组方案（RDF Pipeline）
将JSON数据通过键值对递归转换为RDF三元组（主语-谓语-宾语），构建包含65万+三元组的知识图谱。检索时采用节点+关系双选策略：
使用监督分类+嵌入相似度从8000+关系中筛选候选关系 结合LLM和确定性映射选择相关节点 通过SPARQL或NetworkX进行图遍历，无需预设返回数量
2. 标签属性图方案（LPG Pipeline）
采用Text-to-Cypher技术，将自然语言实时转换为图查询语句：
Schema感知：向模型提供完整的图结构信息（79个标签、57种关系类型） 精确遍历：利用多跳遍历能力处理复杂关联查询（如"查找使用标普500作为基准的所有基金"） 高准确率：翻译准确率达90%+，适用于在线实时应用
图检索的显著优势
在200道涵盖搜索、对比、详情查询的测试题中（满分200分），三种方法表现如下：
| LPG | 185.5 | 93/100 |
| RDF | 172.5 | 80/100 |
关键发现：
LPG在复杂搜索任务上表现卓越：对于"列出某基金经理管理的所有基金"这类无法预先确定返回数量的查询，LPG通过图遍历可准确返回全部结果，而传统RAG因难以确定K值而遗漏信息 消除重排序依赖：图检索直接返回精确的结构化信息，避免了向量检索后的重排序开销 结构化数据处理优势：相比将JSON转为 narrative 文本（易产生幻觉且成本高），直接建模为图保留了数据完整性
该研究确立了Graph RAG作为下一代检索增强系统的变革性方案，特别适用于金融、医疗等涉及复杂半结构化数据的知识密集型领域。
