--- license: apache-2.0 language: - ja tags: - rag - gnn ---


GNN-RAG

～ Graph Neural Retrieval for Large Language Modeling Reasoning ～
GitHub Repo starsforks - Sunwood-ai-labs GitHub Last CommitGitHub Top Language GitHub ReleaseGitHub Tag GitHub Actions Workflow Status
EN docJA doc

# 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 1. 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。 2. 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。 3. 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. ```