GRASP: 반구조화된 지식 베이스(SKB)에서의 적응형 융합 및 재순위를 활용한 계획 유도형 그래프 검색

반구조화된 지식 베이스 (Semi-structured knowledge bases, SKBs)는 텍스트 문서를 엔티티(entities)와 관계(relations)로 이루어진 타입화된 그래프에 임베딩하며, 제품 검색, 학술 논문 검색, 정밀 의료 문의와 같은 애플리케이션의 기반이 됩니다. SKB 상의 기존 하이브리드 검색 시스템은 그래프를 쿼리 확장 (query expansion) 용도로만 사용하거나, 전역 가중치 (global weighting) 하에 텍스트 및 구조적 분기를 혼합하거나, 미세 조정된 그래프 순회 생성기 (graph-traversal generators)에 의존합니다. 본 논문에서는 계획 기반 그래프 검색 (plan-based graph retrieval), 밀집 검색기 (dense retriever)를 활용한 계획 조건부 융합 (plan-conditioned fusion), 그리고 융합된 후보군에 대한 미세 조정된 재순위화기 (fine-tuned reranker)를 통합하는 3단계 SKB 검색 프레임워크인 GRASP를 제안합니다. GRASP는 세 가지 STaRK 벤치마크의 모든 지표에서 최신 기술 (state of the art)을 실질적으로 발전시켰으며, 평균 Hit@1을 62.0에서 73.9로 끌어올렸습니다. 절제 연구 (Ablation studies) 및 민감도 연구 (sensitivity studies)를 통해 GRASP의 효과와 강건성 (robustness)을 추가로 확인하였습니다.