一般的な質問応答分野におけるGraphRAG：調査レビュー

GraphベースのRetrieval-Augmented Generation（GraphRAG）は、Retrieval-Augmented Generation（RAG）と知識グラフ（KG）の構造化知識表現を組み合わせた革新的なフレームワークであり、より情報に基づき文脈認識的なテキスト生成を可能にします。この分野の潜在能力は高まっていますが、研究は未成熟であり、既存の調査は主に大規模言語モデル（LLMs）とKGsの統合に関する一般的な内容にとどまっています。特にGraphRAG手法に特化したタスク指向で性能重視の分析は不足しています。本論文はこれらのギャップを埋めるために、特に質問応答（QA）の下流タスクへの適用に重点を置いてGraphRAG手法に焦点を当てた調査を提示します。このタスクに分析を集中させることで、QAの文脈で研究者と実務者に実用的な洞察を提供することを目指します。QAに関連する手法、データセット、評価指標の詳細な概観を示し、既存研究の分類を行い、この領域に最も関連する新たな動向や課題を浮き彫りにします。この焦点を絞った詳細な分析を通じて、本論文はQAにおけるGraphRAGの応用に関する包括的な概観と基盤を提供しようとしています。