研究问题与动机
- 原始 GraphRAG 的两个主要瓶颈是:
- indexing 太贵:需要大量 LLM 调用来抽实体、关系、社区和摘要;
- retrieval 太僵:很多方法需要手动指定 local / global mode。
- 这会导致三类现实问题:
- 小模型在 JSON 抽取、结构化输出上不稳定;
- 系统很难在长文档或多文档环境中高效部署;
- 对不同粒度问题,固定检索模式经常不合适。
方法与机制
1. Indexing:Summary Tree + Entity Graph + 双向索引
- Summary Tree
- 文档先切成
1200token 的 chunks,相邻 overlap100。 - 然后每
g个 chunks 递归做一次摘要,逐层向上形成树。 - 叶子节点是原始 chunks,中间与根节点是不同粒度 summary。
- 所有 chunk 和 summary 都再用 embedding 编码并存入 Faiss,支持 collapsed-tree dense retrieval。
- 文档先切成
- Entity Graph
- 不再用 LLM 抽实体关系,而是用 SpaCy 提取 named entities 和 common nouns。
- 在同一句中共现的两个实体之间连无向边,边权是句级共现频次。
- 这得到的是一个更便宜、更简洁的 entity graph。
2. Bidirectional Indexes:真正把 tree 和 graph 接起来
- 论文构造了两个 one-to-many 索引:
- entity-to-chunk index
Ie->c - chunk-to-entity index
Ic->e
- entity-to-chunk index
- 它们共同刻画 entity graph 与 summary tree 之间的 many-to-many relation。
- 这使系统可以:
- 从 query 实体快速回到相关 chunks;
- 从候选 chunk 反查有哪些关键实体;
- 在 local retrieval 排序时显式利用 entity coverage 与 occurrence 信息。
这一点是 E²GraphRAG 的关键,不只是“同时用树和图”,而是让两者可以低成本互相跳转。
3. Adaptive Retrieval:自动决定走 global 还是 local
E²GraphRAG 的检索逻辑其实分三层:
情况 A:query 中没抽出有效实体
- 直接视为 global query
- 在 summary tree 上做类似 RAPTOR 的 collapsed-tree dense retrieval
- 按 embedding 相似度取 top-k
情况 B:query 中有实体,但实体对在图中不够紧密
- 系统先做 Graph Filtering:
- 对 query entity 两两配对;
- 如果最短路径 hop 数
<= h,则保留为相关 entity pair; - 否则视为噪声或弱相关。
- 如果最后没有任何有效 entity pair,说明 query 不适合 local relation-based retrieval。
- 此时仍走 global retrieval,但不是纯 dense retrieval:
- 先取 summary tree 的 top-
2k候选; - 再用 Occurrence Ranking 按 query 实体出现频次重排。
- 先取 summary tree 的 top-
情况 C:存在有效 entity pairs
- 进入 local retrieval
- 对每个 entity pair
(ei, ej),通过Ie->c(ei) ∩ Ie->c(ej)找到共同相关 chunks - 将所有 pair 的 chunk 集合并成候选池
- 如果候选太多,则不断减小 hop 阈值
h,收紧 graph filtering - 如果收紧后候选为空,则回退到上一次非空结果,并做 Entity-Aware Ranking
4. Entity-Aware Ranking 与最终格式化
- Entity Coverage Ranking
- 看一个 chunk 覆盖了多少 query-related entities
- Entity Occurrence Ranking
- 看 query-related entities 在 chunk 中出现的总频次
- 最终 evidence 以一种近似
entity1-entity2: chunks- 的方式组织给 LLM
- 同时做两个去冗余处理:
- 多 entity pair 对应同一 chunk 时只保留一次
- 连续 chunks 做 merge,减少 overlap 和 token 冗余
所以 E²GraphRAG 的 retrieval 不是简单“local or global 二选一”,而是:
- 先根据 query 的结构特征判断;
- 再用图过滤与实体感知排序细化结果。
证据与结果
1. 数据集与设置
- 论文主要在超长文档 QA 上评测:
- NovelQA
- InfiniteChoice
- InfiniteQA
- backbone 使用:
- Qwen2.5-7B-Instruct
- Llama3.1-8B-Instruct
- 对比方法包括:
- GraphRAG-Local
- GraphRAG-Global
- LightRAG
- RAPTOR
2. 主结果:效率
- 论文最核心的效率结论是:
- indexing 最多比 GraphRAG 快约
10x - retrieval 比 LightRAG 快超过
100x - 对 GraphRAG local mode 的 retrieval 也有约
10x速度优势
- indexing 最多比 GraphRAG 快约
- 以 Qwen 为例:
- NovelQA indexing time
- GraphRAG-Local:
13793.89 - RAPTOR:
2847.25 - E²GraphRAG:
1397.11
- GraphRAG-Local:
- InfiniteChoice indexing time
- GraphRAG-Local:
11816.15 - E²GraphRAG:
1244.56
- GraphRAG-Local:
- NovelQA query time
- GraphRAG-Local:
0.20 - LightRAG:
15.68 - RAPTOR:
0.02 - E²GraphRAG:
0.02
- GraphRAG-Local:
- NovelQA indexing time
3. 主结果:效果
- E²GraphRAG 不是每个数据集都拿第一,但整体保持了非常有竞争力的 QA 质量。
- Qwen2.5-7B-Instruct
- NovelQA:
45.60,优于 GraphRAG-Local 的43.34 - InfiniteChoice:
43.23,略低于 GraphRAG-Local / LightRAG - InfiniteQA:
13.65,为最好结果
- NovelQA:
- Llama3.1-8B-Instruct
- NovelQA:
41.26 - InfiniteChoice:
39.74 - InfiniteQA:
11.07,为最好结果
- NovelQA:
作者的核心结论不是“E²GraphRAG 在所有数据集都最强”,而是:
- 在大幅降低系统成本的同时,仍能保持 SOTA 或 highly competitive 的质量。
4. 消融
- Dense Retrieval Only 明显弱于完整模型:
- NovelQA:
42.00vs45.38 - InfiniteChoice:
41.04vs43.23 - InfiniteQA:
10.03vs13.65
- NovelQA:
- Local retrieval 侧:
- 去掉 Graph Filter,InfiniteChoice 掉到
36.68 - 去掉 Entity-Aware Ranking,InfiniteQA 掉到
8.25 - 两者联合去掉也普遍明显下降
- 去掉 Graph Filter,InfiniteChoice 掉到
- Global retrieval 侧:
- 去掉 Occurrence Ranking 通常伤害更大,说明它在全局 query 中很关键
这些结果说明 E²GraphRAG 的性能并不是简单来自“树+图叠加”,而是来自:
- 自适应路由
- 图过滤
- 实体感知排序
- 全局 occurrence ranking 这几部分的联合作用。
局限与开放问题
- 它仍然依赖 LLM 来构造 summary tree,因此 indexing 成本虽然降了,但并没有被彻底消除。
- 用 SpaCy 做实体抽取虽然便宜,但对强领域迁移、多义实体、复杂长尾概念的处理能力有限。
- adaptive routing 的逻辑总体有效,但本质上仍是 heuristic,如果 local/global 判错,召回仍会受影响。
- 论文自己也承认,retrieval design 仍然比较“直观”,不排除存在更优的路由与排序策略。
关联与拓展
- GraphRAG MOC - GraphRAG研究全景图
- GraphRAG-Microsoft - 社区摘要和全局问答
- LightRAG - 轻量化 GraphRAG
- LinearRAG - 放弃显式关系抽取的 GraphRAG
- StructRAG - 自适应结构化检索
- RAPTOR - Summary tree 路线
研究问题入口
Q1 领域边界与适用性, Q2 图构建与表示, Q3 证据检索与集合形成, Q5 动态状态与学习策略, Q7 鲁棒性与安全