PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2402.01767v4cs.CL

HiQA: 다중 문서 질의응답을 위한 계층적 문맥 증강 RAG

HiQA: A Hierarchical Contextual Augmentation RAG for Multi-Documents QA

검색-증강 생성(RAG)은 생성 과정에서 외부 문서를 통합함으로써 문서 기반 질의응답 성능을 크게 향상시킵니다. 그러나 지식 베이스에 의미론적 및 구조적으로 유사한 문서가 다수 포함되어 있는 경우 검색 정확도가 저하될 수 있습니다. 본 논문에서는 다중 문서 질의응답(MDQA)을 위한 실용적인 계층적 문맥 증강 프레임워크인 HiQA를 소개합니다. HiQA는 문서 제목 및 섹션 경로와 같은 연쇄적(cascading) 문서 메타데이터로 텍스트 청크를 보강하여, 검색 시 국소적인 내용과 문서 구조를 모두 활용할 수 있도록 합니다. 또한 이 프레임워크는 의미론적 신호, 어휘적 신호, 키워드/개체 신호를 결합한 다중 경로 검색기를 사용합니다. 더 나아가 현실적인 유사 문서 환경에서 MDQA 시스템을 평가하기 위해 설계된 벤치마크인 MasQA를 제안합니다. 실험 결과에 따르면 HiQA는 MasQA에서 검색 및 답변 품질을 향상시키고 공개 MDQA 벤치마크에서도 경쟁력을 유지하며, 특히 구조화되고 도메인에 특화된 매우 유사한 문서 집합에서 가장 뛰어난 효과를 보이는 것으로 나타났습니다.