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.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 321 - 324 (4page)
이용수
초록· 키워드
최근 자연어 처리 분야에서 거대 언어 모델(Large Language Models, LLMs)의 외부 정보를 필요로 하는 작업에서의 한계를 극복하기 위해 검색-증강-생성(Retrieval-Augmented Generation, RAG) 기법의 중요성이 커지고 있다. 기존 방식인 Vector RAG 는 문맥적 유사성 검색에 강점이 있지만 글로벌 질문이나 다단계 추론에 한계가 있다. 이를 극복하기 위해 개체 간의 관계 추론에 강점을 보이는 Graph RAG 가 제안되어왔으나, 검색을 위해 사용자의 요청으로부터 오류 없이 정확한 쿼리를 작성하는데 어려움이 있다. 본 연구에서는 이 두 접근법의 상호보완을 위해 벡터 기반의 유사도를 그래프 데이터베이스 검색 프로세스에 적용한 Hybrid RAG 모델을 제안한다. Hybrid RAG 는 ARAGOG 벤치마크 데이터셋에서 기존의 RAG 접근법 대비 전반적으로 우수한 성능을 보였으며, 특히 답변의 관련도와 정확도에서의 성능이 각각 4.4%, 6.2% 유의미하게 향상된 것으로 나타났다. 이러한 결과는 Hybrid RAG 를 통해 컨텍스트 정보에 '노드-관계-노드'와 같은 명시적인 정보를 포함시키고, 벡터 유사도 기반 노드 검색을 통해 더 넓은 그래프 탐색 공간을 확보함으로써 달성했다고 볼 수 있다.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- 1. 서론
- 2. RAG
- 3. Hybrid RAG
- 4. 실험
- 5. 결과
- 6. 결론 및 논의
- 참고문헌
참고문헌
참고문헌 신청최근 본 자료
