DEEP-PolyU/LinearRAG

What it solves

LinearRAG は従来の GraphRAG システムが抱える高コストと低速という課題を解決します。具体的には、グラフ構築フェーズで通常必要となるエンティティ間の関係抽出に使われる高価な LLM トークン消費をなくします。

How it works

LinearRAG は明示的な関係グラフを構築するのではなく、"relation‑free" な構築手法を採用します。軽量なエンティティ認識とセマンティックリンクを組み合わせてグラフ構造を作成します。これにより、単一の検索パスでセマンティックブリッジングを通じたマルチホップ推論と深層検索が可能となり、時間・空間計算量は線形のままです。

Who it’s for

このプロジェクトは、大規模コーパス上で Retrieval‑Augmented Generation（RAG）を利用する開発者や研究者向けです。グラフベースの検索による推論機能は欲しいが、LLM 主導のグラフ構築に伴う膨大な計算コストは避けたいという方に最適です。

Highlights

• Zero LLM token cost: Eliminates LLM usage during the graph building process.
• Linear Scalability: Operates with linear time and space complexity, making it faster and easier to scale to large datasets.
• Multi-hop Reasoning: Supports complex reasoning across different pieces of information without needing explicit relational graphs.
• Context-Preserving: Uses semantic linking to ensure comprehensive contextual understanding.