[5G3-OS-37b] 生成AIとナレッジグラフ

14:45 〜 15:00

[5G3-OS-37b-04] 企業内人材・スキル検索におけるナレッジグラフRAGの設計指針と有効性評価

〇上田 一貴¹、岡野 悠¹、奥野 克樹¹、炭谷 晃史¹、川原 悠¹、高松 宏樹¹、辰巳 大祐¹、農本 崚介¹、伊藤 駿太²、大竹 桃子² (1. 株式会社レゾナック、2. 日本マイクロソフト株式会社)

キーワード：

生成AI、ナレッジグラフ、大規模言語モデル、検索拡張生成

複数文書にまたがる質問応答にはRetrieval-Augmented Generation (RAG)が広く用いられている。しかし、企業内の多様な文書に散在する人材やスキル情報の活用が期待されるものの、人材同定とその根拠提示など関係構造が重要なタスクでは、ベクトル検索中心のNaive RAGの回答が困難であると報告されている。、 (1) 人物–スキル関係に根拠文書と量的指標を付与、(2) Wikipedia記事のリンク関係 を用いたスキル表記の正規化、(3) 部署異動やスキル習得時期といったイベント発生情報による条件付き検索、を提案する。数百件の社内文書から大規模言語モデルにより要素を自動抽出してナレッジグラフを構築し、それに基づくRAGを実装した。同一条件下でNaive RAGの回答性能を評価した上で、LightRAGと提案手法を比較し、11二択ブラインド評価305件の収集を行った。この結果、提案手法が統計的に有意な高評価を得ることができた。