SemRank은 LLM 기반 질의 이해와 개념 기반 의미 색인을 결합한 효율적이고 효과적인 논문 검색 프레임워크입니다. 기존의 밀집 검색 방법이 미세한 과학적 개념을 포착하는 데 어려움을 겪고, LLM 기반 질의 이해 방법이 corpus-specific 지식에 기반하지 못하는 한계를 극복하기 위해 제안되었습니다. SemRank는 일반적인 연구 주제와 상세한 키워드를 포함한 다양한 수준의 과학적 개념을 사용하여 각 논문을 색인화하고, 질의 시에는 LLM이 corpus에서 파생된 핵심 개념을 식별하여 정확한 의미 일치를 가능하게 합니다. 실험 결과, SemRank는 다양한 기본 검색 시스템의 성능을 향상시키고, 기존의 강력한 LLM 기반 기준 모델을 능가하며 높은 효율성을 유지하는 것으로 나타났습니다.