본 연구는 차세대 정보 검색 기술로 부상하고 있는 Retrieval-Augmented Generation (RAG) 시스템의 정확성과 신뢰성을 향상시키기 위한 새로운 프레임워크인 SHRAG를 제안한다. SHRAG는 LLM을 활용하여 자연어 쿼리를 논리적으로 구조화된 검색 쿼리로 변환하고, 부울 검색을 수행하여 전문가 수준의 검색을 모방한다. 또한 다국어 질의 확장 및 임베딩 모델을 통합하여 ScienceON Challenge의 다국어 데이터셋 환경에서 효율적인 교차 언어 질의 응답을 수행한다. 실험 결과는 SHRAG가 RAG 시스템의 정확성과 신뢰성을 유의미하게 향상시킬 수 있음을 보여주며, 문서 중심 검색 방식을 넘어 질의에 직접적이고 신뢰할 수 있는 응답을 제공하는 새로운 검색 패러다임의 가능성을 제시한다.
