[論文レビュー] SOPRAG: Multi-view Graph Experts Retrieval for Industrial Standard Operating Procedures

Liangtao Lin, Zhaomeng Zhu+2 more|arXiv (Cornell University)|Feb 2, 2026

Advanced Graph Neural Networks被引用数 0

ひとこと要約

SOPRAGは三つの専門グラフエキスパート（Entity、Causal、Flow）、手順カードゲーティング層、そして実行可能なSOPを検索・生成するLLMガイド付きルーターを用いたMixture-of-Experts検索フレームワークを提案し、産業SOPの自動ベンチマークを提供する。

ABSTRACT

Standard Operating Procedures (SOPs) are essential for ensuring operational safety and consistency in industrial environments. However, retrieving and following these procedures presents unique challenges, such as rigid proprietary structures, condition-dependent relevance, and actionable execution requirement, which standard semantic-driven Retrieval-Augmented Generation (RAG) paradigms fail to address. Inspired by the Mixture-of-Experts (MoE) paradigm, we propose SOPRAG, a novel framework specifically designed to address the above pain points in SOP retrieval. SOPRAG replaces flat chunking with specialized Entity, Causal, and Flow graph experts to resolve industrial structural and logical complexities. To optimize and coordinate these experts, we propose a Procedure Card layer that prunes the search space to eliminate computational noise, and an LLM-Guided gating mechanism that dynamically weights these experts to align retrieval with operator intent. To address the scarcity of domain-specific data, we also introduce an automated, multi-agent workflow for benchmark construction. Extensive experiments across four industrial domains demonstrate that SOPRAG significantly outperforms strong lexical, dense, and graph-based RAG baselines in both retrieval accuracy and response utility, achieving perfect execution scores in real-world critical tasks.

研究の動機と目的

• 産業SOP検索の課題を識別する。独自構造、条件依存の関連性、実行可能な出力要件。
• 構造認識型MoEフレームワーク（Entity、Causal、Flowグラフ）と検索空間を絞るProcedure Card層を提案する。
• 意図認識型LLMルーターを開発し、クエリ意図ごとに専門家をゲートし重み付けする。
• ドメイン特化SOPデータセットの自動化されたマルチエージェントベンチマーク構築パイプラインを作成する。

提案手法

• 各SOPを疎結合活性化のProcedure Cardと三つの専門グラフエキスパート（Entity、Causal、Flow）として表現する。
• Entityグラフを構築し、エンティティを支配するProcedure Cardに結びつけ、独自構造に対応する。
• Causalグラフを構築し、症状／原因から関連するProcedure Cardへの状態遷移をモデル化する。
• 各Procedure CardについてFlowグラフを開発し、手順を捉え実行可能なプロンプトを可能にする。
• 粗検索→精密検索の二段階検索: Top-KのProcedure Cardを抽出し、LLMガイド付きルーターで専門家（E、C、F）を重み付けし最終関連度スコアを算出する。
• retrieved Flow Graphを線形化して検証済みの逐次プロンプトとして構造認識型応答を生成する。

実験結果

リサーチクエスチョン

• RQ1 SOP検索をどのように改善して独自機器文脈やパラメータ制約を尊重できるか？
• RQ2 マルチビューのグラフ構造アプローチは、SOPの因果・逐次依存を平坦なチャンク化や汎用グラフよりもより適切に捉えられるか？
• RQ3 意図認識ルーティング機構は産業SOPの検索精度と生成忠実度を向上させるか？

主な発見

• SOPRAGは4つのドメインでlexical、dense、GraphRAGベースラインを検索指標（MRRとAcc@K）で一貫して上回る。
• SOPRAGは航空サービスでMRR 0.76、Acc@5 0.93というピークを達成し、ドメイン適応性が高い。
• 生成品質（忠実度、関連性、文脈の正確さ）はSOPRAGで最も高く、Data CenterタスクでSOP品質スコア1.0を達成。
• アブレーションの結果、Procedure Card層と各グラフエキスパートが有意に寄与し、ルーティングベースのゲーティングは静的平均化より追加の利得をもたらす。