인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
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.
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
