지식 기반 QA개선을 위한 Advanced RAG 시스템 구현 방법: Graph Agent 활용
A Graph-Agent-Based Approach to Enhancing Knowledge-Based QA with Advanced RAG
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 지식 기반 질문-답변(QA) 시스템을 개선하기 위해 기존 RAG(Retrieval Augmented Generation) 모델의 한계 를 극복하고, Graph 기반의 향상된 RAG 시스템을 구현하여 품질 좋은 생성형 AI 서비스 개발을 목표로 하고 있다. 기존 RAG 모델은 검색된 정보를 활용해 높은 정확도와 유창성을 보이지만, 한 번 적재된 지식을 재작업 없이 사용해 답변을 생성하기 때문에 정확도가 떨어질 수 있다. 또한, RAG 구성 시점 이후의 실시간 데이터를 반영할 수 없어 맥락 이해 능력이 부족하고 편향된 정보 문제를 야기할 수 있다. 이러한 한계를 개선하기 위해 본 연구에서는 Graph 기술을 활용한 향상된 RAG 시스템을 구현하였다. 이 시스템은 정보를 효율적으로 검색하고 활용할 수 있도록 설계되었다. 특히, LangGraph를 활용하여 검색된 정보의 신뢰성을 평가하고, 다양한 정보를 종합하여 보다 정확하고 향상된 답변을 생성할 수 있도록 하였다. 또한, 구체적인 작동 방식과 주요 구현 단계 및 사례를 구현 코드와 검증 내용을 통해 제시하여 Advanced RAG 기술에 대한 이해를 높였다. 이를 통해 Advanced RAG를 활용한 기업 내 서비스 구현에 실질적인 지침을 제공하여 기업들이 적극적으로 활용할 수 있도록 하는 데 의미가 있다.
Abstract
This research aims to develop high-quality generative AI services by overcoming the limitations of existing Retrieval-Augmented Generation (RAG) models and implementing an enhanced graph-based RAG system to improve knowledge-based question answering (QA) systems. While traditional RAG models demonstrate high accuracy and fluency by utilizing retrieved information, their accuracy can be compromised due to the use of pre-loaded knowledge without rework. Additionally, the inability to incorporate real-time data after the RAG configuration leads to a lack of contextual understanding and potential biased information. To address these limitations, this study implements an enhanced RAG system utilizing graph technology. This system is designed to efficiently search and utilize information. In particular, LangGraph is employed to evaluate the reliability of retrieved information and to generate more accurate and improved answers by integrating various information. Furthermore, the specific operation method, key implementation steps, and case studies are presented with implementation code and verification results to enhance understanding of Advanced RAG technology. This research provides practical guidelines for actively implementing enterprise services utilizing Advanced RAG, making it significant.
참고문헌 (28)
- 김종철, "RAG 기법을 활용한 LLM 서비스 품질 향상을위한 데이터 Chunking 전략에 대한 연구", 석사, pp.2024
- 박은영, "고객의 조절초점 성향과 생성형 AI 기반 챗봇에대한 친숙도가 개인정보 제공의도에 미치는 영향 : 프라이버시계산이론을 중심으로", 지식경영연구, 25(2), pp.49~68 (2024)[DOI]
- 안정희, "생성형 인공지능을 활용한 사례 기반간호 교육 프로그램 개발", 한국간호교육학회지, 29(3), pp.234~246 (2023)[DOI]
- 정천수, "포스트 코로나19 언택트 시대 대응을위한 AI 챗봇 구축방법에 관한 연구", 한국IT서비스학회지, 19(4), pp.31~47 (2020)[DOI]
- 정천수, "하이브리드 AI 챗봇 구현을 위한 RPA연계 방안연구", 정보처리학회논문지, 2023, pp.12(1), 41~50
- 정천수, "E2E 비즈니스 프로세스 자동화를 위한 하이퍼오토메이션 플랫폼 적용방안 및 사례연구", 경영정보학연구, 25(2), pp.31~56 (2023)[DOI]
- 정천수, "전통적인 챗봇과 ChatGPT 연계 서비스 방안연구", 한국정보기술응용학회지, 3(4), pp.11~28 (2023)[DOI]
- 정천수, "LLM 애플리케이션 아키텍처를 활용한 생성형AI 서비스 구현 : RAG모델과 LangChain 프레임워크 기반", 지능정보연구, 29(4), pp.129~164 (2023)[DOI]
- 정천수, "도메인 특화 LLM : Mistral 7B를 활용한 금융업무분야 파인튜닝 및 활용 방법", 지능정보연구, 30(1), pp.93~120 (2024)[DOI]
- 전준형, "웹 애플리케이션 서버(WAS)에서의 검색 증강 생성(RAG) 기술을 이용한 지식기반 QA 문제 해결", 한국통신학회 학술대회논문집 (2024)
- Adam, M., "AI-based Chatbots in customer service and their effects on user compliance", Electronic Markets, 31(2), pp.427~445 (2021)
- Jeong, C. S., "A study on the implementation of generative ai services using an enterprise data-based LLM application architecture", Advances in Artificial Intelligence and Machine Learning, 3(4), pp.1588~1618 (2023)[DOI]
- Lewis, P., "Retrieval-augmented generation for knowledge-intensive nlp tasks", Advances in Neural Information Processing Systems, 33, pp.9459~9474 (2020)
- Przegalinska, A., "In bot we trust : A new methodology of Chatbot performance measures", Business Horizons, 62(6), pp.785~797 (2019)
- Sánchez-Díaz, X., "A knowledge-based methodology for building a conversational Chatbot as an intelligent tutor", Advances in Computational Intelligence, 11289, pp.165~175 (2018)[DOI]
- Scott, B., "Seven failure points when engineering a retrieval augmented generation system", 2024 IEEE, 2024, 194~199
- "스켈터랩스" (2024)[URL]
- "Devtorium" (2023)[URL]
- "LangGraph" (2024)[URL]
- "Microsoft" (2023)[URL]
- "Wikipedia" (2016)[URL]