GNN-RAG

～ Graph Neural Retrieval for Large Language Modeling Reasoning ～

GNN-RAG モデルデータリポジトリ

このリポジトリは、論文「GNN-RAG: Graph Neural Retrieval for Large Language Model Reasoning」のトレーニング済みモデルデータを提供します。

モデルについて

GNN-RAGは、Large Language Models (LLMs) の言語理解能力とGraph Neural Networks (GNNs) の推論能力を組み合わせた、Retrieval-Augmented Generation (RAG) スタイルの新しい手法です。このモデルは、Knowledge Graph (KG) 上の質問応答 (KGQA) タスクにおいて、最先端の性能を達成しています。

リポジトリ構成

このリポジトリには、以下のモデルデータが含まれています。

WebQSP用のGNNモデル
CWQ用のGNNモデル

使用方法

このリポジトリをクローンまたはダウンロードしてください。
必要なモデルデータをGNN-RAG/llm/results/gnn/の対応するフォルダに移動し、test.infoという名前に変更してください。
論文の元のリポジトリにある評価用のスクリプトを使用して、モデルを評価することができます。

例えば、WebQSPの評価を行うには、以下のコマンドを実行します。

python main.py ReaRev --entity_dim 50 --num_epoch 200 --batch_size 8 --eval_every 2 --data_folder data/webqsp/ --lm sbert --num_iter 3 --num_ins 2 --num_gnn 3 --relation_word_emb True --load_experiment ReaRev_webqsp.ckpt --is_eval --name webqsp

注意事項

このリポジトリは、トレーニング済みのモデルデータのみを提供しています。完全なコードや追加のデータセットについては、元の論文のリポジトリを参照してください。
モデルの使用にあたっては、元の論文を引用し、適切なクレジットを付与してください。

引用

GNN-RAGモデルの詳細については、以下の論文を参照してください。

Costas Mavromatis, George Karypis. "GNN-RAG: Graph Neural Retrieval for Large Language Model Reasoning" 2023.