Abstract

거대 언어 모델(Large Language Model: LLM)을 사용한 검색 증강 생성(Retrieval Augmented Generation: RAG) 방식은 질문에 대해 적절한 정보를 찾아 응답을 생성하기 때문에 인기를 얻고 있다. 하지만, 기존 RAG 연구들은 제한된 크기의 문맥 윈도우로 인해 정보 누락 문제가 발생한다. 이로 인해, 전체적인 주제 요약과 복잡한 정보 간의 연관성을 파악하는 데 제한된다. 이를 해결하기 위해, 본 논문은 RAG 위에 질의 중심 요약(Query Focused Summarization: QFS)을 결합한 QFS-RAG 방법을 제안한다. 구체적으로, 제안 방법은 대규모의 뉴스 기사 텍스트 데이터를 그래프로 구조화를 통해 주요 개념과 사건을 요약하고, 유사한 커뮤니티를 자동 구성하여 포괄적이고 정확한 응답을 제공한다.