본 논문은 규칙 검색의 과제를 체계적으로 다루고 있다. 기존의 희소 또는 밀집 검색 기법은 질의의 구체적인 사실과 규칙의 추상적인 표현 사이의 의미론적 차이로 인해 정확도가 낮다는 문제점을 가지고 있다. 본 논문에서는 이러한 문제를 해결하기 위해, 대규모 언어 모델(LLM)을 활용하여 질의의 잠재적인 추론 규칙을 유도하고, 이를 질의 증강에 사용하여 검색 효율성을 높이는 자기 유도 증강 검색(SIAR) 방법을 제안한다. 또한, 검색된 규칙의 관련성을 재평가하여 질의의 사실과 얼마나 잘 일치하고 추론에 얼마나 도움이 되는지를 평가하는 규칙 관련성 재평가(R$^3$) 방법을 제시한다. 다양한 설정에서의 광범위한 실험을 통해 제안된 방법의 효과성과 다양성을 입증한다.
