本研究では、テキストチャンクから知識グラフ(KG)を構築し、大規模な言語モデル(LLM)に基づく質問応答のための効果的な情報検索を実現する手法を提案します。この手法はバイオメディスンや法律、政治学などの分野において特に効果的であり、多くの文書に対して多段階の推論を行います。しかし従来の方法は、文字列からのエンティティや関係を抽出するために多数のLLM呼び出しを必要とし、大規模実装において高コストの問題があります。本研究では、特定の概念と言われる重要な単語や関連文書の選択を行うグラフガイド概念選択(G2ConS)を提案し、KG構築コストを削減しつつ知識のギャップを解消します。実際のデータセットでの評価から、G2ConSはコスト、情報検索効果、応答の質において従来の手法を上回ることが確認されました。