PathRAG：通过图剪枝的方法优化Graph-based RAG的性能方法浅析

PathRAG 也是一种新型 Graph-based RAG 方法，通过检索索引图中的关键关系路径，减少噪声并优化 LLM 提示。其核心创新在于基于流的剪枝算法和路径为基础的提示策略，特别适用于捕捉复杂数据集中的关系。（其实可以看做相比GraphRAG假如剪枝算法和路径提示策略，减少噪声并提升性能）

三种Graph-based RAG对比总结（PathRAG、GraphRAG、LightRAG）：

• PathRAG：通过从索引图中检索关键的关系路径来减少冗余信息。PathRAG使用基于流的剪枝算法来识别和提取最相关的路径，从而减少噪声并提高生成答案的质量。(专注于关系路径的检索，通过流式剪枝算法识别最可靠的关系路径，并将这些路径转换为文本形式用于提示生成模型。这种方法能够更好地捕捉节点之间的关系。)

• GraphRAG：通常通过社区检测算法对图进行分割，并从子社区中逐步聚合信息。这种方法可能会包含大量冗余信息，因为其使用了所有相关社区的信息。(主要依赖于社区检测和信息聚合，可能无法有效利用复杂的关系路径。)

• LightRAG：采用双阶段检索框架，从局部和全局级别检索相关信息。虽然这种方法提高了检索效率，但仍然可能包含不必要的信息。(虽然也使用图结构，但其检索过程更侧重于快速检索，可能没有深入探索关系路径的潜力。)

下面再来看看PathRAG的方法。

PathRAG方法

PathRAG 的方法论分为三个阶段，具体如下：

1. 节点检索

• 从用户查询 $q$ 中使用 LLM 提取关键词，记为 $K_q$。
• 通过密集向量匹配（使用余弦相似度）检索相关节点，将节点和关键词编码为嵌入 $X_V$ 和 $X_q$。
• 检索 $N$ 个相关节点，$N$ 可选值包括 {10, 20, 30, 40, 50, 60}，结果子集为 $V_q\subseteq V$，其中 $V$ 是索引图的节点集。

2. 路径检索

• 使用基于流的剪枝算法，从 $V_q$ 中的节点对 $v_{\text{start}},v_{\text{end}}$ 提取关键关系路径，考虑距离感知。
• 资源传播公式为：
  $$S(v_i)=\sum _{v_j\in N(\cdot ,v_i)}\frac{\alpha \cdot S(v_j)}{|N(v_j,\cdot )|}$$
  其中 $\alpha$ 是衰减率，可选值包括 {0.6, 0.7, 0.8, 0.9, 1.0}；$N(v_i,\cdot )$ 和 $N(\cdot ,v_i)$ 分别是指向和来自 $v_i$ 的邻居节点集。
• 引入早期停止策略，当 $\frac{S(v_i)}{|N(v_i,\cdot )|}<\theta$ 时停止，实验中 $\theta =0.05$。
• 路径可靠性计算为：
  $$S(P)=\frac{1}{|E_P|}\sum _{v_i\in V_P}S(v_i)$$
  其中 $|E_P|$ 是路径 $P$ 中的边数，$V_P,E_P$ 分别是路径中的节点和边集。
• 按可靠性 $S(P)$ 排序，保留前 $K$ 个路径，$K$ 可选值包括 {5, 10, 15, 20, 25}。
• 算法复杂度为 $O(\frac{N^2}{(1-\alpha )\theta })$，其中 $N\le 60$，索引图节点数 $|V|\sim 10^4$，计算效率较高。

3. 答案生成

• 将选定路径转化为文本形式，路径文本通过连接节点和边块生成：
  $$t_P=\text{concat}([\cdots ;t_{v_i};t_{e_i};t_{v_{i+1}};\cdots ])$$

• 按可靠性升序排列路径，提示为：

  

  这种排序策略解决了“中间丢失”问题，确保 LLM 关注最相关信息（LLM使用 “GPT-4o-mini” 作为所有 LLM 组件，索引图与 GraphRAG相同。）。

实验结果

参考文献：PathRAG: Pruning Graph-based Retrieval Augmented Generation with Relational Paths，https://arXiv.org/abs/2502.14902)

code：https://github.com/BUPT-GAMMA/PathRAG