본 논문은 질문 응답(QA) 과제를 위해 외부 지식을 대규모 언어 모델(LLM)에 통합하는 데 효과적인 검색 증강 생성(RAG) 방법을 제시합니다. 기존 그래프 기반 RAG 접근 방식은 그래프 데이터에서 관련 정보를 정확하게 식별하지 못하고 온라인 검색 과정에서 많은 토큰을 소모하는 문제점을 가지고 있습니다. 이를 해결하기 위해, 본 논문에서는 속성 커뮤니티를 사용하여 질문을 보강하고 새로운 LLM 기반 계층적 클러스터링 방법을 도입한 새로운 그래프 기반 RAG 접근 방식인 Attributed Community-based Hierarchical RAG (ArchRAG)를 제안합니다. 속성 커뮤니티에 대한 새로운 계층적 색인 구조를 구축하고 효율적인 온라인 검색 방법을 개발하여 질문에 대한 가장 관련성 높은 정보를 그래프에서 검색합니다. 실험 결과, ArchRAG는 기존 방법보다 정확도와 토큰 비용 측면에서 모두 우수한 성능을 보입니다.
