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
대규모 언어 모델(LLM)의 환각 현상과 지식의 최신성 부족을 해결하기 위해 검색 증강 생성(RAG) 기술이 제안되었으나, 기존 벡터 유사도 기반 RAG는 복합적인 다단계 관계(Multi-hop) 추론과 엄격한 도메인 규칙 처리에 한계를 보인다. 본 연구는 비정형 데이터의 맥락을 파악하는 Vector, 구조적 연결성을 탐색하는 Graph, 규범적 체계를 정의하는 Ontology를 결합한 Triple-Hybrid RAG 프레임워크를 제안한다. 또한, 질의 의도 분석에서 추출되는 개체 밀도(Entity Density), 관계밀도(Relation Density), 제약 밀도(Constraint Density)의 세 가지 연속적 신호를 활용하여 각 소스의 기여도를 동적으로 조정하는 동적 가중치 알고리즘(DWA)을 상술한다. 합성 대학 행정 데이터(문서 1,037건, 그래프 노드 2,542개, 골드 QA 5,000쌍)를 대상으로 GPT-4o-mini(temperature=0.0) 환경에서 실험한 결과, 단일 벡터 소스 대비 F1 Score에서 19.4%, 복합 질의의 Exact Match(EM)에서 34.5%의 성능 향상을 기록하였다. 3단계 Ablation 실험을 통해 각 구성요소의 기여도를 검증하였으며, 연속적 가중치 조정이 유형 고정 방식 대비 Multi-hop EM에서 3.2%p의 추가 개선을 보였다.
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) : I410-151-26-02-096811768
