Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

OntoRAG: Enhancing Question-Answering through Automated Ontology Derivation from Unstructured Knowledge Bases

Created by
  • Haebom

저자

Yash Tiwari, Owais Ahmad Lone, Mayukha Pal

개요

본 논문은 대규모 언어 모델(LLM) 기반 질의응답(QA) 시스템을 향상시키기 위해 지식 기반을 구조화하는 데 중요한 역할을 하는 온톨로지 자동 생성 파이프라인인 OntoRAG를 제시합니다. 기존의 수동 온톨로지 생성 방식의 한계를 극복하고자 웹 스크래핑, PDF 파싱, 하이브리드 청킹, 정보 추출, 지식 그래프 생성 및 온톨로지 생성 등의 기술을 통합하여 비정형 데이터(전기 계전기 문서에 초점)를 질의 가능한 온톨로지로 변환합니다. LLM과 그래프 기반 방법을 활용하여 기존의 RAG 및 GraphRAG 접근 방식보다 포괄성과 다양성이 향상된 글로벌 의미 이해 능력을 강화합니다. 실험 결과, OntoRAG는 벡터 RAG에 대해 85%, GraphRAG 최적 구성에 대해 75%의 포괄성 승률을 달성하여 효과를 입증했습니다. 이 연구는 온톨로지 자동 생성의 과제를 해결하고 의미 웹의 비전을 발전시키는 데 기여합니다.

시사점, 한계점

시사점:
비정형 데이터로부터 자동으로 온톨로지를 생성하는 효율적인 파이프라인을 제시.
LLM과 그래프 기반 방법을 활용하여 기존 RAG 기반 접근 방식보다 향상된 성능을 달성.
전기 계전기 문서와 같은 특정 도메인뿐 아니라 다른 도메인에도 적용 가능성 제시.
의미 웹 구축 및 지식 기반 시스템 발전에 기여.
한계점:
현재는 전기 계전기 문서에 초점을 맞춰 특정 도메인에 대한 성능 검증에 그침. 다른 도메인으로의 일반화 가능성에 대한 추가 연구 필요.
온톨로지 생성의 정확도 및 완전성에 대한 추가적인 평가 및 개선 필요.
대규모 데이터셋에 대한 확장성 및 효율성에 대한 추가적인 연구 필요.
👍