본 논문은 기존 Retrieval-Augmented Generation (RAG) 및 GraphRAG의 한계점인 시간적 지식 동역학 무시 문제를 해결하기 위해, 시간 인식 RAG 프레임워크인 Temporal GraphRAG (T-GRAG)를 제안한다. T-GRAG는 시간에 따라 진화하는 지식을 모델링하여 시간적 모호성, 시간에 무관한 검색, 의미 중복 등의 문제를 해결한다. 주요 구성 요소는 시간 기반 지식 그래프 생성기, 시간 쿼리 분해 메커니즘, 3단계 상호 작용 검색기, 소스 텍스트 추출기, LLM 기반 생성기로 이루어져 있으며, 실제 기업 연례 보고서를 기반으로 한 새로운 벤치마크 데이터셋 Time-LongQA를 활용하여 성능을 평가하였다. 실험 결과, T-GRAG는 기존 방법들보다 시간적 제약 하에서 검색 정확도와 응답 관련성 측면에서 성능이 뛰어나다는 것을 보여준다.
