XGRAG: 지식 그래프 기반 검색 증강 생성 (KG-based Retrieval-Augmented Generation) 을 설명하기 위한 그래프 네이티브 프레임워크

요약

XGRAG는 지식 그래프(KGs)를 활용하는 검색 증강 생성(GraphRAG) 시스템의 설명 가능성(XAI) 문제를 해결하기 위해 제안된 새로운 프레임워크입니다. 기존 RAG-Ex와 같은 방법론은 텍스트 기반 구조에만 초점을 맞춰 관계적 지식을 포함하는 GraphRAG의 추론 과정을 투명하게 설명하는 데 한계가 있었습니다. XGRAG는 그래프 기반 교란 전략을 사용하여 개별 그래프 구성 요소가 최종 답변에 기여하는 정도를 정량화함으로써, 인과적으로 근거한 설명을 생성하여 시스템의 신뢰성과 해석 가능성을 획기적으로 향상시킵니다.

핵심 포인트

• GraphRAG는 지식 그래프(KGs)를 활용해 LLM에 구조적이고 의미론적으로 일관된 컨텍스트를 제공하는 RAG의 확장입니다.
• 기존 XAI 방법은 관계형 구조를 가진 GraphRAG의 추론 과정을 설명하는 데 한계가 있어 투명성 문제가 있었습니다.
• XGRAG는 그래프 기반 교란 전략을 사용하여 개별 지식 구성 요소의 기여도를 정량화하고 인과적 설명을 생성합니다.
• 실험 결과, XGRAG는 기존 베이스라인(RAG-Ex) 대비 설명 품질(F1 점수 기준)을 최대 14.81% 향상시켰습니다.