关于何时及如何将知识图谱用于检索增强生成的试点实证研究

本研究旨在填补知识图谱与检索增强生成方法(KG-RAG)之间系统理解的空白，通过分析不同技术配置下KG-RAG的表现。研究通过评估6种KG-RAG方法在7个数据集上的性能，并探讨9种KG-RAG配置与17种大型语言模型的组合，发现适当的应用条件和KG-RAG组件的最佳配置对于提高模型准确性至关重要。