교통 법적 책임 판정용 온톨로지 기반 다중 앵커 그래프 검색 프레임워크
요약
본 논문은 복잡하고 상호 의존적인 법규 조항을 다차원적으로 검색해야 하는 교통법적 책임 판정 문제를 다룹니다. 기존 RAG의 단일 축 아키텍처가 겪는 병목 현상을 해결하기 위해, 온톨로지 기반 프레임워크 OMAGR을 제안했습니다. 이 프레임워크는 질의를 여러 '앵커'로 분해하여 각 차원에서 독립적인 병렬 그래프 검색을 수행함으로써 성능을 개선했습니다.
핵심 포인트
- 교통법적 책임 판정은 다차원 법규 조항 식별이 필수적입니다.
- 기존 RAG는 단일 축 아키텍처로 인해 다차원 검색 병목 현상을 겪습니다.
- OMAGR은 온톨로지 기반으로 질의를 분해하고 병렬 그래프 검색을 수행합니다.
- 제안된 방법은 Context Precision 및 Faithfulness에서 우수한 성능을 보였습니다.
교통법상 책임 판정은 법적 처벌을 부과하는 데 매우 중요하며, 이를 위해서는 여러 법적 차원에 걸친 상호 의존적인 법규 조항들을 동시에 식별해야 합니다. 하지만 기존의 검색 증강 생성(RAG) 방법들은 다차원 검색 병목 현상을 겪고 있습니다. 단일 축 아키텍처는 복잡한 법률 질의를 하나의 경로로 압축하여, 상호 의존적인 법규 차원들이 간과되는 문제를 야기합니다. 이를 해결하기 위해, 우리는 온톨로지 기반 프레임워크인 OMAGR을 제안합니다. 이 프레임워크는 질의를 온톨로지 정렬 앵커(ontology-aligned anchors)들로 분해하고, 각 차원별로 병렬 그래프 검색을 실행하여, 융합 전에 각 차원에서 독립적인 검색이 이루어지도록 보장합니다. 제안된 방법을 평가하기 위해, 우리는 전문가가 검증한 벤치마크 데이터셋인 TrafficLaw-QA를 구축했습니다. 이 데이터셋은 200개의 질문과 527개의 법규 조항을 포함하고 있습니다. 결과에 따르면, TrafficOmni-RAG는 Context Precision 및 Faithfulness 지표에서 기존의 베이스라인보다 우수한 성능을 보였습니다. 이러한 발견들은 병렬 다중 앵커 검색이 다차원 검색 병목 현상을 효과적으로 해결하며, 교통법상 책임 판정 연구에 유망한 방향성을 제시함을 보여줍니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기