摘要
现有的检索增强生成（RAG）系统将网页视为平面文本，忽视了HTML中编码的结构和语义信号。我们提出了PolyUQuest，一个可验证的、结构感知的Web RAG框架，基于异构图统一了网页之间的超链接拓扑、页面内的DOM层次和跨页面的实体-关系知识。
结构化检索
PolyUQuest采用了两级路由器，根据查询的结构需求将其分发到三种检索模式之一，包括直接块检索、跨页面图遍历和多跳实体推理。每个答案都是完全可验证的，因为每个引用块都携带其源页面、标题路径和实体链接，用户可以追溯任何声明的结构证据。
实验评估
我们在香港理工大学（PolyU）的官方网站上进行了评估，涵盖4240个页面、31086个DOM块、29119个实体和37680个关系，并结合了多类型评估基准。PolyUQuest在答案的正确性、覆盖率和可靠性方面超越了现有的RAG系统，同时每次查询消耗的LLM令牌显著减少。
交互式演示
该演示提供了一个交互界面，可用于检查引用答案、比较不同路由模式下的检索路径以及探索证据图路径。PolyUQuest正在准备作为面向学生的QA服务在PolyU部署。
博主点评： PolyUQuest的创新之处在于其结构感知能力，能够有效整合网页的结构信息，提升了信息检索的准确性和可追溯性。这一框架不仅优化了资源消耗，还为用户提供了更为直观的交互体验，展现了现代RAG系统的未来发展方向。