EviReform: 증거 기반 질의 재구성 방식 - 멀티홉 그래프 검색을 위한 방법

EviReform: Evidence-Guided Query Reformulation for Multi-Hop Graph Retrieval

멀티홉 검색은 충분한 정보를 제공하는 문서를 함께 찾아야 합니다. 초기 문서는 질문에 내재된 개체나 관계를 해결하는 경우가 많으며, 이를 통해 누락된 증거를 설명하기가 더 쉬워집니다. 그래프 검색은 저장된 문서 구조를 활용하여 관련 증거에 대한 접근성을 향상시키지만, 일반적으로 검색 신호는 원래 질문에서 파생됩니다. 보완적인 증거는 관찰된 문장이 더욱 직접적인 의미적 단서를 제공하더라도, 저장된 관계를 통해 찾아야 합니다. 본 논문에서는 검색 요청을 수정하는 것과 그래프 내 증거를 집계하는 것을 분리하는 EviReform 방법을 제안합니다. 검색된 소스 문서는 해결되지 않은 정보 요구 사항에 대한 추가 질의를 생성합니다. 원래 질의와 추가 질의 신호는 별도로 정규화되고, 결합되어 개체를 공유하는 명제들 사이에서 전파됩니다. 2WikiMultiHopQA, HotpotQA 및 MuSiQue 데이터셋에서 EviReform은 가장 강력한 기준 모델보다 최대 5.59 Recall@5 포인트와 4.50 F1 포인트로 성능을 향상시켰습니다. 이러한 결과는 관찰된 증거가 원래 질문에 의해 명시되지 않은 지원 체인의 부분을 향해 그래프 검색을 안내할 수 있음을 보여줍니다. 코드: https://github.com/XrazyMee/EviReform.

Multi-hop retrieval must recover passages that provide sufficient evidence together. An initial passage often resolves an entity or relation implicit in the question, making the missing evidence easier to describe only after retrieval begins. Graph retrieval improves access to related evidence through stored corpus structure, but its retrieval signal is commonly derived from the original question. Complementary evidence must then be reached through stored relations even when an observed passage provides a more direct semantic cue. We introduce EviReform, which separates revising the retrieval request from aggregating evidence in the graph. Retrieved source passages formulate residual queries for the unresolved information need. The original and residual retrieval signals are normalized separately, combined, and propagated between propositions that share entities. On 2WikiMultiHopQA, HotpotQA, and MuSiQue, EviReform exceeds the strongest baseline by up to 5.59 Recall@5 points and 4.50 F1 points. These results show that observed evidence can guide graph retrieval toward the part of a supporting chain left underspecified by the original question. Code is available at https://github.com/XrazyMee/EviReform.