본 논문은 인간의 이해 방식을 돕는 담론 구조를 포착하지 못하는 기존의 긴 문서 질의응답 시스템의 한계를 해결하고자, 수사 구조 이론(RST)을 활용한 담론 인식 계층적 프레임워크를 제시한다. 이 프레임워크는 담론 트리를 문장 수준 표현으로 변환하고, LLM 기반 노드 표현을 사용하여 구조적 및 의미적 정보를 연결한다. 핵심 혁신은 긴 문서를 위한 특화된 담론 파싱, LLM 기반 담론 관계 노드 강화, 구조 기반 계층적 검색이다. QASPER, QuALITY, NarrativeQA에 대한 실험을 통해 기존 접근 방식 대비 일관된 성능 향상을 보였으며, 담론 구조 통합이 다양한 문서 유형에서 질의응답 성능을 유의미하게 향상시킨다는 것을 확인했다.
