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
본 논문에서는 온톨로지 지향 서비스를 포함한 한국어 시맨틱 검색 응용을 지원하기 위한 PostgreSQL–Milvus 데이터 파이프라인을 설계하고 구현하였다. PostgreSQL 18을 정형 데이터와 pgvector 기반 밀집 임베딩을 관리하는 원본 데이터 저장소로 사용하고, INSERT, UPDATE 및 DELETE 이벤트를 Debezium과 Kafka를 통해 전용 Milvus 컨슈머에 전달함으로써 PostgreSQL의 변경 분이 Milvus에 반영되도록 구성하였다. 한국어 정보 검색을 위해 BGE-M3 다국어 임베딩 모델의 1,024차원 밀집 벡터와 mecab-ko 형태소 분석기 기반의 textsearch_ko 전문검색을 적용하였다. 또한 밀집 벡터 검색과 어휘 검색의 순위를 가중 상호 순위 융합 방식으로 결합하는 PostgreSQL 기반 하이브리드 검색 함수를 단일 SQL 문장으로 구현하였다. 구성요소 수준의 성능평가로서, MIRACL-ko로부터 구성한 1,500개 문단과 100개 질의의 평가 데이터셋을 이용하여 PostgreSQL 기반 하이브리드 검색 모듈의 검색 효과를 분석하였다. 밀집 벡터 검색은 Recall@10 0.9466, Recall@100 1.0000, MRR 0.7898 및 nDCG@10 0.8077을 기록하였다. 가중 상호 순위 융합을 적용한 하이브리드 검색은 유사한 재현율을 유지하면서 MRR을 0.8219, nDCG@10를 0.8284로 향상시켰다. 이러한 결과는 본 실험 환경에서 제안한 하이브리드 검색 모듈이 밀집 벡터 검색만을 사용한 경우보다 상위 결과의 순위 품질을 개선할 수 있음을 보여준다. 다만 변경 전파 지연, 장애 복구, 저장소 간 정합성 및 확장성 등 전체 PostgreSQL–Milvus 파이프라인의 종단 간 성능평가는 향후 연구에서 수행할 필요가 있다.
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
