Aller au contenu principal
Accès ouvert déclaré 2026 conference-paper

MC-RAG System: A Structure-Driven RAG System for Multi-Constraint Queries

0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, sg. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Retrieval-Augmented Generation (RAG) systems are widely adopted in question answering, yet they often fail to satisfy complex multi-constraint queries, leading to constraint violations, factual inconsistencies, or hallucinations. We present Structure-Driven RAG System for Multi-Constraint Queries(MC-RAG), a structure-driven RAG system that reformulates retrieval as a subgraph matching problem over a knowledge graph. By integrating semantic and structural embeddings with path-level indexing, MC-RAG performs interpretable, structure-aware, and constraint-consistent retrieval and generation. During the demonstration, participants can input medical or encyclopedic multi-constraint queries, visualize how the system parses constraints, performs structural matching, and generates answers, thereby experiencing an end-to-end, interactive, and explainable RAG pipeline. A demo video is available at https://youtu.be/J8kahzmAnu0.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
MC-RAG System: A Structure-Driven RAG System for Multi-Constraint Queries
Date Crossref
01/09/2026
Éditeur
International Joint Conferences on Artificial Intelligence Organization
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • China Agricultural University pays non établi dans la notice
    Université ou école supérieure
  • Nanyang Technological University pays non établi dans la notice
    Université ou école supérieure
  • Ministry of Agriculture and Rural Affairs pays non établi dans la notice
    Organisme public
  • College of Information and Electrical Engineering pays non établi dans la notice
    Université ou école supérieure
  • College of Computing and Data Science pays non établi dans la notice
    Université ou école supérieure
  • Key Laboratory of Agricultural Informatization Standardization pays non établi dans la notice
    Structure de recherche

China Agricultural University, Nanyang Technological University et Ministry of Agriculture and Rural Affairs, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Multimodal Machine Learning ApplicationsTopic ModelingAdvanced Graph Neural Networks

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.