인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
정확한 응답 생성을 위해 다양한 문서로부터 필요한 정보를 추출하고 통합해야 하는 다중 문서 기반 질문 응답(Multi-document QA)은 실제 환경에서의 질문 응답 시스템에 필수적인 요소이다. 이러한 실제 다중 문서 기반 질문 응답에 최적화된 DS-RAG (Dynamic-Selection-based Retrieval-Augmented Generation) 프레임워크는 질문 분해와 검색 과정을 거친 후, 문서 선택 (selection) 모듈을 통해 응답 생성에 필요한 핵심 문서만을 선별함으로써 전체 시스템의 정확도와 효율성을 향상시킨다. 그러나 선택 모듈은 별도의 학습 과정과 연산 자원을 요구하기 때문에, 자원이 제한된 환경에는 적용이 어렵다는 한계가 존재한다. 따라서 본 연구는 별도의 선택 모듈 없이도 질문 내 중요도를 반영한 질의 생성을 통해 검색 단계에서 선택 효과를 유도하는 Lightweight DS-RAG 프레임워크를 제안한다. 제안된 방식은 질문 내 핵심 정보를 식별하고, 중요도 기반 질의를 생성하여 주요 정보에 집중된 검색이 가능하도록 설계되었다. 이를 통해 높은 검색 정확도를 유지하면서도 연산 부담을 크게 절감할 수 있으며, 별도의 도메인 특화 학습 없이도 다양한 환경에서 실용적으로 활용될 수 있다. 실험 결과, Lightweight DS-RAG 프레임워크는 F1-score 기준으로 기존 DS-RAG 대비 95% 수준의 검색 성능을 달성하였으며, 선택 모듈이 없는 RAG 대비 평균 67.5% 향상된 성능을 보였다. 이는 별도의 선택 모듈이나 추가 학습 없이도 높은 정답 포함률을 유지할 수 있음을 실험적으로 입증하며, 자원 제약 환경에서 실용적인 대안으로서의 가능성을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094820125
