GraphRAG는 지식을 그래프로 구조화하여 더 깊은 추론을 가능하게 하지만, n-ary 사실을 처리하는 데 어려움이 있다. HyperGraphRAG는 하이퍼그래프를 사용하여 더 풍부한 의미론을 제공하고 정확도를 개선하지만, 오류가 발생하기 쉬운 LLM 추출과 비효율적인 표준 청크 검색에 의존한다. 본 연구는 추출 성능을 개선하기 위해 self-consistency prompting(자기 일관성 프롬프팅)을 적용하고, 하이퍼그래프 상의 Personalized PageRank 알고리즘을 통해 청크 검색을 향상시킴으로써 이 문제를 해결한다.
Meta에 배포된 RankGraph-2는 십억 노드 규모 유사도 기반 추천 검색에서 그래프 구성, 표현 학습, 실시간 서빙을 수명 주기 공동 설계로 묶어 인기도 바이어스 보정 서브샘플링, personalized PageRank 기반 다중 홉 이웃 사전 계산, 잔차 양자화 클러스터 인덱스 공동 학습으로 온라인 그래프 인프라와 KNN 비용을 줄인다. 이를 통해 이분 그래프에서 GAT+Deep Graph Infomax 대비 3.8배, 아이템 검색에서 PyTorch-BigGraph 대비 2.1배 높은 재현율과 최대 +0.96% CTR·+2.75% CVR 향상을 달성했으며, 주요 서비스에서 20건 이상의 검색 기능 출시를 지원했다.