故障解析における事前学習済みSentence-DeBERTaによる拡張ナレッジグラフとクエリ分解を用いたGraphRAG
Abstract
熟練から若手エンジニアへの故障解析の知識継承は自動車業界喫緊の課題である.故障に関する文書は非構造的でデータ量が多いため,そのままでは活用が困難である.このような文書をデータの構造化に優れるナレッジグラフ(KG)に変換することは有効であるが,依然として理解が難しい.GraphRAGは,KGと大規模言語モデル(LLM)によるRAG(Retrieval-AugmentedGeneration)であり,KG自体の理解を深めることも期待される. 既存のKGを用いたGraphRAGに必要な処理を調査するため,本稿ではLLMと継続事前学習済みSentence-DeBERTaで拡張した既存のKGと,クエリの分解に焦点を当てたEdgeGraphRAGを提案する.独自のデータセット構築と自動評価により,現時点での有効性の検討と既存のKGを用いた際の課題を論じる.
BibTeX
@inproceedings{Ojima-2025-nlp-graphrag,
jtitle = {{故障解析における事前学習済みSentence-DeBERTaによる拡張ナレッジグラフとクエリ分解を用いたGraphRAG}},
title = {{GraphRAG Using an Extended Knowledge Graph and Query Decomposition with Pre-trained Sentence-DeBERTa in Failure Analysis}},
jauthor = {小島, 湧太 and 坂地, 泰紀 and 鈴木, 雅弘 and 中村, 格士 and 坂田, 大晃 and 関, 和也 and 勅使河原, 優 and 山下, 雅己 and 青山, 和浩},
author = {Ojima, Yuta and Sakaji, Hiroki and Suzuki, Masahiro and Nakamura, Tadashi and Sakata, Hiroaki and Seki, Kazuya and Teshigawara, Yuu and Yamashita, Masami and Aoyama, Kazuhiro},
jbooktitle = {言語処理学会第31回年次大会},
booktitle = {The Thirty-first Annual Meeting of the Association for Natural Language Processing},
year = {2025},
pages = {2238-2242},
}