KoChainRAG: 질문 분해와 구조적 추론을 활용한 한국어 멀티홉 질의응답 시스템 개발 = KoChainRAG: Development of Korean Multi-hop QA System Using Question Decomposition and Structured Reasoning

국문 초록 (Abstract)

본 연구는 하나의 질문에 답하기 위해 여러 단계의 추론과 여러 정보의 연결이 필요한 멀티홉(multi-hop) 질의응답 문제를 다룬다. 기존 RAG는 이러한 복잡한 추론 경로를 효과적으로 처리하지 못하는 한계를 보이며, 특히 한국어와 같은 교착어의 특성을 고려한 멀티홉 질의응답 시스템 연구가 부족한 실정이다. 이에 본 연구는 한국어 멀티홉 질의응답을 위한 체계적 접근법인 KoChainRAG(Korean Chained Retrieval-Augmented Generation)를 제안한다.
KoChainRAG는 복잡한 질문을 단일 홉 단위로 분해하고 체인 형태로 연결하여 순차적으로 처리하는 구조화된 방법론을 제시한다. 각 단계에서 얻은 답변을 활용하여 다음 단계의 질문을 구체화함으로써 단계적 추론을 통해 최종 답변을 도출한다. 또한 문서에서 자동으로 추출한 주어-관계-객체(triplet) 형태의 구조화된 지식을 메타데이터로 활용하여, 명시적인 지식 그래프 구축 없이도 그래프 기반 추론 효과를 제공한다. 이와 함께 한국어 특성을 고려한 검색 기법을 통해 한국어 텍스트에 대한 검색 정확도를 향상시켰다.
본 연구가 제안하는 KoChainRAG는 복잡한 시스템 구축 없이도 효과적인 성능을 보이며, 한국어 멀티홉 질의응답 문제에 대한 실용적인 해결 방안으로서 향후 관련 시스템 개발의 유용한 참조점이 되기를 희망한다.

다국어 초록 (Multilingual Abstract)

This study addresses the multi-hop question answering problem, which requires multiple reasoning steps and connections across various information sources to answer a single question. Existing RAG systems exhibit limitations in effectively handling such complex reasoning paths, and research on multi-hop question answering systems that consider the characteristics of agglutinative languages like Korean remains particularly insufficient. To address this gap, we propose KoChainRAG (Korean Chained Retrieval-Augmented Generation), a systematic approach for Korean multi-hop question answering.
KoChainRAG presents a structured methodology that decomposes complex questions into single-hop units and processes them sequentially by connecting them in a chain structure. By utilizing the answer obtained at each step to refine the question for the subsequent step, it derives the final answer through progressive reasoning. Furthermore, by leveraging automatically extracted subject-relation-object (triplet) structured knowledge from documents as metadata, it provides graph-based reasoning effects without requiring explicit knowledge graph construction. Additionally, retrieval techniques considering Korean language characteristics enhance the search accuracy for Korean texts.
The proposed KoChainRAG demonstrates effective performance without requiring complex system construction, and we hope it will serve as a valuable reference point for future related system development as a practical solution to Korean multi-hop question answering problems.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 2 장 이론적 배경 및 관련 연구 3
• 2.1 이론적 배경 3
• 2.1.1 멀티홉 질의응답의 개념과 유형 3
• 2.1.2 멀티홉 질의응답을 위한 접근법 4
• 2.1.3 검색 증강 생성의 개념 5
• 2.2 관련 연구 6
• 2.2.1 질문 분해 기법 6
• 2.2.2 반복 검색 기반 RAG 7
• 2.2.3 에이전트 RAG 8
• 2.2.4 지식그래프 기반 추론 9
• 2.3 기존 연구의 한계 및 과제 9
• 2.3.1 지식 관리의 효율성 문제 10
• 2.3.2 검색 과정의 체계화 문제 10
• 2.3.3 한국어 특화 최적화의 필요성. 11
• 2.3.4 실용적 구현의 어려움 12
• 제 3 장 제안 방법 13
• 3.1 KoChainRAG 개요 13
• 3.2 오프라인 지식 구성 단계 14
• 3.2.1 데이터 준비 15
• 3.2.2 데이터 전처리 15
• 3.3 온라인 질의응답 단계 16
• 3.3.1 질의 유형 분석 및 추론 전략 선택 16
• 3.3.2 연쇄 추론 전략 17
• 3.3.3 병렬 추론 전략을 통한 연쇄 추론의 보완 19
• 3.3.4 비교형 질의응답을 위한 병렬 추론 전략 22
• 3.3.5 한국어 특화 앙상블 검색 22
• 3.3.6 KoChainRAG 추론 과정의 수식화 24
• 3.4 소결 25
• 제 4 장 실험 및 결과 분석 26
• 4.1 실험 환경 및 데이터셋 26
• 4.1.1 실험 환경 26
• 4.1.2 데이터셋 27
• 4.2 브릿지형 멀티홉 질의응답 성능 평가. 31
• 4.2.1 실험 모델 및 방법 31
• 4.2.2 평가 지표 설명 32
• 4.2.3 실험 결과 33
• 4.2.4 오류 분석 35
• 4.3 구성 요소별 기여도 분석 36
• 4.4 복잡 구조 멀티홉 추론 확장성 검증 38
• 4.5 비교형 멀티홉 질의응답 성능 평가 39
• 제 5 장 결론 41
• 5.1 결론 41
• 5.2 향후 연구 방향 42
• 5.2.1 시스템 고도화 방향 42
• 5.2.2 실용적 확장 방향 43
• 참고문헌 44