Graph-RAG를 활용한 추천 시스템 성능 개선: 여행 및 장소 POI 데이터셋 기반 분석

Q: 이 논문에서 정의한 Graph-RAG란 무엇인가?

Graph-RAG는 데이터 간의 관계를 그래프 구조로 모델링하여 정보 검색의 정확성을 높이고 생성 모델의 성능을 강화하는 접근 방식이다. 이는 데이터의 상호 연관성을 명시적으로 모델링함으로써 기존 RAG 방식의 한계를 극복하고, 보다 정교하고 일관된 정보 생성을 가능하게 한다.

Q: 추천 시스템에서 Graph-RAG가 기존 RAG 방식보다 우수한 성능을 보이는 핵심 요인은 무엇인가?

연구 결과, Graph-RAG는 데이터 간의 관계를 그래프로 모델링하여 정보 검색 및 생성 과정에서 연관성을 효과적으로 반영하기 때문이다. 특히, 맥락 이해와 정확한 답변 생성 측면에서 할루시네이션을 감소시키고 일관된 정보를 제공하여 추천 정확도, 응답 일관성, 사용자 만족도에서 우수한 성능을 보인다.

서희찬; 김세훈; 박익범; 신연순

학술대회자료

저자정보: 서희찬 (동국대학교) 김세훈 (동국대학교) 박익범 (동국대학교) 신연순 (동국대학교)

저널정보: 한국정보기술학회 Proceedings of KIIT Conference 한국정보기술학회 2024년도 추계종합학술대회 및 대학생논문경진대회

오류 신고하기

피인용 0

검색

초록·키워드

본 연구는 추천 시스템 환경에서 Graph-RAG 방식의 도입이 성능 개선에 미치는 영향을 분석하였다. 여행 및 장소 관련 64,614개의 POI(Point of Interest) 데이터셋을 사용하여 RAG, Multi-RAG, Graph-RAG 기법을 적용한 챗봇을 각각 개발하고, 여러 성능 지표를 기반으로 실험을 수행하였다. 실험 결과, Graph-RAG는 추천 정확도, 응답 일관성, 사용자 만족도에서 우수한 성능을 보이며, 추천 시스템의 성능을 향상시킬 새로운 가능성을 제시하였다. 특히, 그래프 기반 정보 연결을 통해 사용자의 개별 선호도를 더욱 정확하게 파악하고, 맞춤형 추천을 제공할 수 있음을 확인하였다.

#Retrieval-Augmented Generation (RAG) #Graph-RAG #Multi-RAG #Large Language Model (LLM) #Recommendation Systems #Chatbot #Performance Improvement #Prompt Engineering

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료