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，供参考。
PathRAG方法
包含三个主要阶段。1）节点检索阶段：根据查询中的关键词，从索引图中检索相关节点；2）路径检索阶段：我们设计了一种基于流程的剪枝算法，提取每对检索节点之间的关键关系路径，然后检索可靠性得分最高的路径；3）答案生成阶段：检索到的路径按照可靠性得分升序排列放入提示中，最后输入到大型语言模型中进行答案生成。
PathRAG 的方法论分为三个阶段，具体如下：
- 节点检索
- 从用户查询
中使用 LLM 提取关键词，记为
。
- 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
和
。
- 检索
个相关节点，
可选值包括 {10, 20, 30, 40, 50, 60}，结果子集为
，其中
是索引图的节点集。
- 路径检索
- 使用基于流的剪枝算法，从
中的节点对
提取关键关系路径，考虑距离感知。
- 资源传播公式为：
其中
是衰减率，可选值包括 {0.6, 0.7, 0.8, 0.9, 1.0}；
和
分别是指向和来自
的邻居节点集。
- 引入早期停止策略，当
时停止，实验中
。
- 路径可靠性计算为：
其中
是路径
中的边数，
分别是路径中的节点和边集。
- 按可靠性
排序，保留前
个路径，
可选值包括 {5, 10, 15, 20, 25}。
- 算法复杂度为
，其中
，索引图节点数
，计算效率较高。
- 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：
- 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
关于作者：余俊晖，主要研究方向为自然语言处理、大语言模型、文档智能。曾获CCF、Kaggle、ICPR、CCL、CAIL等国内外近二十项AI算法竞赛/评测冠亚季军。发表SCI、顶会等文章多篇，专利数项。