RSF-GLLM: 순환 소프트 흐름을 통한 다단계 지식 그래프 QA의 의미론적 격차 해소

요약

본 논문은 지식 그래프 기반 다단계 QA에서 발생하는 의미론적 격차 문제를 해결하기 위해 RSF-GLLM 프레임워크를 제안합니다. 이 모델은 순환 소프트 흐름(RSF) 모듈을 사용하여 연속적인 관련성 점수를 전파하고, 동적 게이팅 메커니즘으로 구조적 단서를 탐색합니다. 이를 통해 LLM 기반의 계산 비용 높은 방식 대비 우수한 성능과 추론 효율성을 입증했습니다.

핵심 포인트

• 지식 그래프 QA의 의미론적 격차 문제를 해결하는 프레임워크 제안
• RSF-GLLM은 순환 소프트 흐름(Recurrent Soft-Flow)을 사용해 관련성 점수를 전파함
• 동적 게이팅 메커니즘으로 구조적 단서를 활용하여 브릿지 노드를 탐색
• 소프트 확률에서 이산 추론 경로로의 수렴을 이론적으로 보장함