본 논문은 법률 영역에서 Retrieval-Augmented Generation (RAG) 시스템이 직면하는 과제를 해결하기 위해 온톨로지 기반 그래프 RAG 프레임워크를 제시합니다. 기존의 단순 텍스트 검색 방식이 법률의 계층적, 시대적, 인과적 구조를 고려하지 못해 시대착오적이고 신뢰할 수 없는 답변을 생성하는 문제를 해결하기 위해, LRMoo 모델에서 영감을 받은 형식 모델을 기반으로 지식 그래프를 구축합니다. 추상적인 법률 문서(Works)와 그 버전(Expressions)을 구분하고, 시간적 상태를 효율적으로 집계하여 변경되지 않은 구성 요소의 버전을 재사용합니다. 또한, 입법적 사건을 1차 행위 노드로 명시하여 인과 관계를 명확하게 하고 쿼리 가능하게 만듭니다. 이러한 구조적 기반을 통해 계획자 주도의 통합된 쿼리 전략을 적용하여 (i) 특정 시점 검색, (ii) 계층적 영향 분석, (iii) 감사 가능한 출처 재구성 등 복잡한 요청을 결정적으로 해결합니다. 브라질 헌법을 대상으로 한 사례 연구를 통해 제시된 방법이 검증 가능하고 시간적으로 정확한 기반을 LLMs에 제공하여 고차원 분석 기능을 가능하게 하고 사실적 오류의 위험을 크게 줄임을 보여줍니다. 결과적으로, 더 신뢰할 수 있고 설명 가능한 법률 AI 시스템을 구축하기 위한 실용적인 프레임워크를 제공합니다.
