정신 건강 정보 접근의 중요성에도 불구하고 지식 기반 확장의 어려움과 사용자 요구 불일치로 인해 정보 검색 시스템의 성능이 저조하다. 본 논문은 AI 기반의 갭 정보를 활용한 코퍼스 증강 프레임워크를 제시하며, 실제 사용자 데이터(포럼 게시글 등)를 통해 충분히 다루어지지 않는 주제(갭)를 파악하고, 커버리지와 유용성에 기반하여 확장을 우선시한다. 사례 연구를 통해 Directed 증강(갭 정보 기반)과 Non-Directed 증강(무작위 추가)을 비교하고, 4가지 RAG 파이프라인에서 검색된 정보의 관련성과 유용성을 평가했다. Directed 증강은 적은 확장(Query Transformation 42%, Reranking and Hierarchical 74%, Baseline 318% 증가)만으로도 최적에 가까운 성능(~95%)을 달성했으며, Non-Directed 증강은 이와 유사한 성능을 위해 훨씬 더 큰 확장(232%, 318%, 403%, 763% 증가)이 필요했다.
