向量 top-k 往往只打中一跳,问句却是「隔级汇报给 CFO 且经办过供应商 X 合同的是谁」。什么条件下值得把知识建成图?
题目
向量 top-k 往往只打中一跳,问句却是「隔级汇报给 CFO 且经办过供应商 X 合同的是谁」。什么条件下值得把知识建成图?
参考答案
点击展开参考答案
- 当正确答案依赖“实体—关系—实体”的显式路径,而不是某段文字碰巧和问句语义相近时,图比扁平向量合适。
- 汇报线、供应商—合同—负责人、零件—替代料这类问题,单次相似度检索会停在只提到 CFO 或只提到 X 的段落,缺中间节点。
- 若问题只是“合同模板怎么填”,建图是额外成本和抽取噪声,向量加查询分解就够。
- 离线一般从文档抽出带原文跨度的三元组,做实体消歧后落入知识图;也可以对社区或子图做摘要,当作另一路检索单元。
- 在线先把问句链到种子实体(CFO、供应商 X),再按边类型走 1–3 跳,把路径上的原句——而不是节点名本身——交给生成模型。