GNN-RAG
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.
