47 lines
1.7 KiB
Markdown
47 lines
1.7 KiB
Markdown
---
|
||
title: "Hierarchy Preservation — Structural Knowledge for Literature Ranking"
|
||
type: concept
|
||
created: 2026-06-04
|
||
tags: [document-structure, information-retrieval, llm-reasoning, ranking]
|
||
sources: ["ma-intragent-2026"]
|
||
---
|
||
|
||
# Hierarchy Preservation（层级保持）
|
||
|
||
**定义**：[[intragent|IntrAgent]] [[section-ranking|章节排序]]阶段的关键设计——通过 LLM 推导科学文献的章节层级关系，为推理排序提供结构知识。
|
||
|
||
## 问题
|
||
|
||
科学文献遵循严格的层级结构：
|
||
- 父级标题传达更广泛的主题
|
||
- 子级标题提供更具体的细节
|
||
|
||
传统的 [[rag|RAG]] 检索完全忽略这一结构——将所有章节视为平面的文本片段。
|
||
|
||
## 机制
|
||
|
||
1. 从 [[mineru]] 转换后的 Markdown 文本提取所有章节/子章节标题
|
||
2. LLM 推理标题间的层级关系（父子/兄弟）
|
||
3. 构建完整的章节树（section tree）
|
||
4. 过滤冗余节点：父章节后紧跟子章节且无中间内容 → 去重
|
||
|
||
## 两个作用
|
||
|
||
1. **支撑推理排序**：LLM 在排序时能看到完整的层级上下文——不仅知道"讨论"在最后，更知道"讨论.3 局限分析"是子章节
|
||
2. **支撑迭代阅读**：结构化文本解析确保迭代阅读阶段能正确导航章节树
|
||
|
||
## 与 RAG 的对比
|
||
|
||
| 维度 | RAG (平面检索) | 层级保持 |
|
||
|------|---------------|---------|
|
||
| 知识表示 | 独立片段向量 | 树形结构 |
|
||
| 排序依据 | 语义相似度 | 结构+语义推理 |
|
||
| 上下文理解 | 片段级 | 章-节-小节全路径 |
|
||
| 跨节关联 | 无法表示 | 树边显式建模 |
|
||
|
||
## 相关概念
|
||
|
||
- [[section-ranking]] — 使用层级信息进行推理排序
|
||
- [[iterative-reading]] — 使用层级信息进行结构化解析
|
||
- [[mineru]] — PDF → Markdown 转换工具
|