圖增強檢索架構用於金融情感分析研究

研究論文提出了一種新穎的兩跳圖增強檢索架構，旨在改善跨實體金融情感分析的性能。與傳統的向量檢索基線相比，該架構建構了一個情感加權的知識圖譜，包含59個股票實體，數據來源為255篇涵蓋10支主要科技股的新聞文章。通過強度过濾的圖遍歷，系統能夠提取向量搜索無法捕捉的關係證據。實驗評估使用100個基於語義相似度、實體召回率、RAGAS指標、延遲基準和消融研究的查詢。結果顯示，圖增強檢索在實體召回率上顯著提升6.4%，答案相關性提升11.7%，特別是在關聯性問題類型中提升16.1%。這些改進未影響答案品質，且延遲增加溫和，平均延遲增加22.6%，但延遲方差減少80%。消融研究揭示了圖遍歷強度閾值與答案質量之間的倒U型關係，識別出最佳值為0.5，優於生產默認值0.7。這些發現為從事金融分析的RAG系統開發者提供了實用的架構指南，展示了圖增強檢索在處理多實體關係時的優勢。