한국어 Hybrid RAG 기반 질의응답 시스템 구축에 관한 연구

국문 초록 (Abstract)

한국어 Hybrid RAG 기반 질의응답 시스템 구축에 관한 연구 경영정보학과 이 채 원 지도교수 이 강 배 본 연구의 목표는 한국어의 언어적 특성을 반영하여 기업 맞춤형 질의 응답(Q&A) 시스템을 개발하는 것이다. 이를 위해 Graph RAG와 Vector RAG를 결합한 Hybrid RAG 방식을 제안하였으며, 데이터 소스로 기업 분 석 보고서와 시장 동향 보고서를 활용하였다. 한국어의 언어적 특성을 고 려하여 LLM 프롬프트에 생략어 복원 및 의존 구문 분석 기법을 적용하 여 지식 그래프를 구축하였으며, 이를 Graph RAG의 검색 엔진으로 활용 하였다. Graph RAG는 정보 확장과 잠재적 지식 추론에 강점이 있지만, 관련 노드가 없는 질의에 대한 답변이 어려운 한계가 있다. 이러한 문제 를 해결하기 위해 본 연구는 Graph RAG와 Vector RAG를 상호보완적으 로 결합한 Hybrid RAG를 제안하였으며, 이를 통해 특정 도메인에 특화된 Q&A 시스템을 구축하였다. 제안된 방법론의 성능을 평가하기 위해 LLM 을 활용하여 Q&A 데이터셋을 생성하고 실험을 수행한 결과, Graph RAG 와 Vector RAG를 독립적으로 사용하는 경우보다 Hybrid RAG에서 더 우 수한 성능을 확인할 수 있었다. 본 연구에서 제안한 새로운 Q&A 시스템 설계 방법은 Hybrid RAG의 성능 향상에 기여할 뿐만 아니라, 다양한 도 메인에서의 활용 가능성을 제시할 것으로 기대된다. 주요어: Knowledge Graph, Vector RAG, Graph RAG, Hybrid RAG, LLM

목차 (Table of Contents)

• Ⅰ. 서 론 1
• 1.1 연구의 배경과 목적 1
• Ⅱ. 이론적 배경 3
• 2.1 트리플 구조 추출 3
• 2.1.1 생략어 복원 4
• 2.1.2 의존구문분석 4
• 2.1.3 지식그래프 5
• 2.2 RAG 6
• 2.2.1 Vector RAG 6
• 2.2.2 Graph RAG 7
• Ⅲ. 방법론 8
• 3.1 지식그래프 구축 8
• 3.1.1 생략어 복원 8
• 3.1.2 의존구문분석 9
• 3.2 Hybrid RAG 12
• 3.2.1 Vector RAG 12
• 3.2.2 Graph RAG 13
• 3.2.3 Hybrid RAG 14
• Ⅳ. 실 험 16
• 4.1 데이터 16
• 4.2 실험 17
• 4.2.1 지식그래프 구축 17
• 4.2.2 Vector RAG 구축 20
• 4.2.3 Graph RAG 구축 21
• 4.2.4 Hybrid RAG 구축 22
• 4.3. 성능평가 24
• 4.3.1 성능평가 Dataset 구축 24
• 4.3.2 성능지표 27
• 4.3.3 결과 28
• Ⅴ. 결 론 31
• 5.1 결론 31
• 5.2 향후과제 32