본 논문은 Retrieval-Augmented Generation (RAG) 시스템의 성능 향상을 위한 새로운 프레임워크를 제안합니다. 기존 RAG 시스템은 텍스트 청크 생성 시 의미론적 연관성을 고려하지 않아 정보 검색의 정확도가 떨어지는 한계를 가지고 있습니다. 본 논문에서는 계층적 텍스트 분할과 클러스터링을 통합하여 의미론적으로 일관성 있는 청크를 생성하는 방법을 제시합니다. 추론 과정에서 세그먼트 레벨과 클러스터 레벨의 벡터 표현을 활용하여 더욱 정확하고 문맥에 맞는 정보 검색을 가능하게 합니다. NarrativeQA, QuALITY, QASPER 데이터셋을 이용한 실험 결과, 기존 청크 생성 기법보다 향상된 성능을 보였습니다.
