본 논문은 대규모 언어 모델(LLM) 기반 질의응답(QA) 시스템의 복잡한 질문 처리 능력 향상을 위해 LLM과 지식 그래프(KG)를 결합하는 최신 연구 동향을 체계적으로 조사한 논문입니다. LLM의 자연어 이해 및 생성 능력의 우수성에도 불구하고, 추론 능력 부족, 지식의 시대적 한계, 환각 현상 등으로 인해 복잡한 QA 과제 해결에 어려움을 겪는 LLM의 한계를 극복하기 위해 LLM과 KG의 통합 방법론을 QA 유형 및 KG의 역할에 따라 새로운 구조적 분류 체계를 제시하고, 각 접근 방식의 강점, 한계점, KG 요구 사항을 비교 분석합니다. 나아가, 각 접근 방식이 다양한 복잡한 QA 과제의 주요 어려움을 어떻게 해결하는지 논의하고, 발전된 기술, 평가 지표, 벤치마크 데이터셋을 요약하며, 미해결 과제와 기회를 제시합니다.
