본 논문은 점점 복잡해지는 네트워크 운영을 위해 네트워크 데이터를 효율적으로 처리하고 해석하는 방법을 제시한다. 기존의 RAG(Retrieval-Augmented Generation) 방법인 VectorRAG와 GraphRAG는 반정형 기술 데이터의 복잡성과 암시적인 특성으로 인해 시간, 비용, 검색 효율성이 떨어지는 문제점을 가지고 있다. 이에 본 논문에서는 반정형 데이터를 위한 새로운 RAG 접근 방식인 FastRAG를 제안한다. FastRAG는 전체 데이터 소스를 LLM에 제출할 필요 없이 스키마 학습과 스크립트 학습을 통해 데이터를 추출하고 구조화하며, 텍스트 검색과 지식 그래프(KG) 쿼리를 통합하여 풍부한 정보를 정확하게 검색한다. 평가 결과, FastRAG는 정확한 질의응답을 제공하면서 GraphRAG에 비해 시간은 최대 90%, 비용은 최대 85%까지 개선됨을 보여준다.
