Plugging Schema Graph into Multi-Table QA: A Human-Guided Framework for Reducing LLM Reliance
작성자
- Haebom
카테고리
Empty
저자
Xixi Wang, Miguel Costa, Jordanka Kovaceva, Shuai Wang, Francisco C. Pereira
개요
본 논문은 대규모 언어 모델(LLM)을 활용한 다중 테이블 질의응답(Multi-table QA) 시스템의 한계점을 해결하기 위해 그래프 기반 프레임워크를 제안합니다. 기존의 의미적 유사도 기반 방법들이 단순화된 데이터셋에서만 효과적이라는 점을 고려하여, 본 연구는 사람이 직접 정리한 관계적 지식을 활용하여 스키마 링크와 조인 경로를 명시적으로 인코딩하는 그래프를 구축합니다. 자연어 질의가 주어지면, 그래프 상에서 해석 가능한 추론 체인을 생성하며, 가지치기 및 하위 경로 병합 전략을 통해 효율성과 일관성을 높입니다. 표준 벤치마크와 실제 대규모 산업용 데이터셋에서의 실험을 통해 제안된 방법의 효과를 검증하며, 복잡한 산업용 테이블 데이터에 적용된 최초의 다중 테이블 QA 시스템임을 강조합니다.
시사점, 한계점
•
시사점:
◦
복잡한 다중 테이블 질의응답 문제에 대한 새로운 접근 방식 제시 (그래프 기반 프레임워크)
◦
사람이 정리한 관계적 지식을 활용하여 스키마 링크 및 조인 경로를 명시적으로 표현
◦
가지치기 및 하위 경로 병합 전략을 통해 효율성 및 일관성 향상
◦
실제 대규모 산업용 데이터셋에 대한 성공적인 적용 및 검증
◦
해석 가능한 추론 체인 생성을 통한 투명성 확보
•
한계점:
◦
사람이 직접 정리한 관계적 지식에 대한 의존도가 높음 (데이터 준비의 어려움)
◦
그래프의 크기가 커짐에 따라 계산 복잡도 증가 가능성
◦
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요
◦
다양한 유형의 테이블 및 질의에 대한 로버스트성 향상 필요
