TaSR-RAG：分类引导的检索增强生成结构化推理

检索增强生成（RAG）虽能辅助大模型回答知识密集型问题，但现有系统常因检索非结构化片段及单次生成导致上下文冗余、信息密度低及多跳推理脆弱。本文提出 TaSR-RAG，一种分类引导的证据选择结构化推理框架。该方法将查询与文档表示为关系三元组，利用轻量级两级分类法约束实体语义。针对复杂问题，框架将其分解为含显式潜变量的有序三元组子查询序列，并通过结合原始三元组语义相似性与类型三元组结构一致性的混合匹配机制，执行逐步证据选择。实验表明，该方法在无需显式图构建的情况下，显著优于现有基线，提升了推理迹线的忠实度。