본 논문은 긴 문서 질문 응답 시스템에서 인간의 이해를 돕는 담론 구조를 포착하지 못하는 기존 방식의 한계를 극복하기 위해, 수사 구조 이론(RST)을 활용하는 담론 인식 계층적 프레임워크를 제시한다. 이 프레임워크는 담론 트리를 문장 수준 표현으로 변환하고, LLM으로 강화된 노드 표현을 사용하여 구조적 및 의미적 정보를 연결한다. 핵심 혁신은 긴 문서에 특화된 담론 파싱, LLM 기반 담론 관계 노드 강화, 구조 기반 계층적 검색의 세 가지이다. QASPER, QuALITY, NarrativeQA 데이터셋에 대한 실험을 통해 기존 방식보다 일관된 성능 향상을 보였으며, 담론 구조 통합이 다양한 문서 유형에서 질문 응답 성능을 크게 향상시킨다는 것을 입증했다.
