본 논문은 법률 규범 분석 및 이해를 위해 특별히 설계된 Graph Retrieval-Augmented Generation (Graph RAG)의 적용을 제안합니다. 법률 문서는 사전 정의된 계층 구조, 광범위한 참조 네트워크 및 여러 시간적 버전을 통한 지속적인 진화를 특징으로 합니다. 이러한 시간적 역동성은 표준 AI 시스템에 상당한 과제를 제시하며, 특정 시점의 법률에 대한 결정적 표현을 요구합니다. 이를 해결하기 위해 본 연구는 추상적인 법률 작품과 구체적인 텍스트 표현을 구분하는 FRBRoo에서 영감을 받은 공식 모델에서 지식 그래프 구성을 기반으로 합니다. 시간 버전(날짜별 변경 사항 포착)과 언어 버전(언어적 변형 포착)의 다층적 표현을 도입합니다. 규범적 진화를 이러한 버전화된 엔티티의 정확한 순서로 모델링함으로써, 검증 가능한 "객관적 진실" 역할을 하는 지식 그래프를 구성할 수 있습니다. 이를 통해 대규모 언어 모델은 정확하고, 맥락을 인식하며, 시점에 맞는 법률 정보를 기반으로 응답을 생성하여 시간적 부정확성의 위험을 극복할 수 있습니다. 본 논문은 이러한 공식적인 Graph RAG 접근 방식과 법률 규범 데이터 세트에 대한 적용에 대한 자세한 분석을 통해 법률에 적용되는 인공 지능 분야를 발전시키고, 법률 연구, 입법 분석 및 의사 결정 지원에서 보다 효과적이고 신뢰할 수 있는 시스템을 위한 기회를 창출하는 것을 목표로 합니다.
