신뢰할 수 있는 교차 시스템 의료 추론을 위한 쿼리 조건부 지식 정렬

요약

본 논문은 이기종 의료 시스템 통합 시 발생하는 엔티티 정렬의 한계를 극복하기 위해 쿼리 조건부 엔티티 정렬(QCEA) 프레임워크를 제안합니다. 기존의 정적인 매칭 방식 대신 텍스트 설명을 쿼리로 활용하여 문맥 의존적이고 비대칭적인 다대다 대응 관계를 포착합니다. 실험 결과, 증상 및 약재-분자 정렬 작업에서 성능 향상을 보였으며, RAG 시스템의 검색 정확도와 답변 신뢰성을 높이는 데 기여함을 입증했습니다.

핵심 포인트

• 엔티티 정렬을 정적 매칭이 아닌 쿼리 조건부 대응 문제로 재정의
• 의미론적 인코딩, 그래프 기반 표현 학습, 방향 인식 변환 모듈을 통합한 QCEA 프레임워크 제안
• 비대칭적 및 다대다(many-to-many) 대응 관계를 효과적으로 포착
• 개선된 정렬이 RAG의 증거 검색 및 근거 제시(grounding) 성능을 향상시킴