文章预览
Abstract 摘要 从金融应用中产生的非结构化文本数据中提取和解释复杂信息，例如收益电话会议记录，即使使用当前最佳实践进行检索增强生成（RAG）（称为利用向量数据库进行信息检索的VectorRAG技术），也对大型语言模型（LLMs）提出了重大挑战，原因包括领域特定术语和文档复杂格式等挑战。我们提出了一种基于组合的新方法，称为HybridRAG，它结合了基于知识图谱（KGs）的RAG技术（称为GraphRAG）和VectorRAG技术，以增强从金融文档中提取信息的问题回答（Q ）系统，已证明能够生成准确且具有上下文相关性的回答。通过对一组以Q 格式呈现的金融收益电话会议记录文档进行实验，从而提供了一组自然的真实Q 对，我们显示HybridRAG从向量数据库和KG中检索上下文的能力，在检索准确性和答案生成方面，在检索和生成阶段的评估中，优于传统的VectorRAG和Grap
………………………………
