Knowledge Graph Prompting for Multi-Document Question Answering

本文是LLM系列文章，针对《Knowledge Graph Prompting for Multi-Document Question Answering》的翻译。

摘要

大型语言模型的“预训练、提示、预测”范式在开放领域问答（OD-QA）中取得了显著的成功。然而，很少有工作在多文档问答（MD-QA）的场景中探索这种范式，这项任务需要彻底理解不同文档的内容和结构之间的逻辑关联。为了填补这一关键空白，我们提出了一种知识图谱提示（KGP）方法，用于在MDQA的LLM提示中制定正确的上下文，该方法由图构建模块和图遍历模块组成。对于图的构建，我们在多个文档上创建一个知识图谱（KG），其中节点象征段落或文档结构（例如，页面/表格），边表示段落或文档内结构关系之间的语义/词汇相似性。对于图遍历，我们设计了一个LM引导的图遍历器，它在节点之间进行导航，并收集辅助MD-QA中LLM的支持段落。构建的图作为全局标尺，调节段落之间的过渡空间，减少检索延迟。同时，LMguided遍历器充当本地导航器，收集相关上下文以逐步处理问题并保证检索质量。大量实验强调了KGP对MD-QA的有效性，表明了利用图增强LLM提示设计的潜力。我们的代码位于https://github.com/YuWVandy/KG-LLM-MDQA.

1 引言

2 符号

3 知识图谱构建

4 LM引导的图形遍历器

5 实验

6 相关工作