문서 기반 대화 시스템 (Document-grounded dialogue systems, DGDS)은 도메인 특화된 사용자 질문에 답하기 위해 외부 문서의 지식을 활용합니다. 기존의 솔루션들은 일반적으로 검색 및 응답 생성을 위해 문서를 독립적인 구절 (passages) 단위로 나눕니다. 그러나 이러한 접근 방식은 문서 내의 구조적 정보 (structural information)를 잘 활용하지 못할 뿐만 아니라, 지식 선택 및 응답을 위한 충분한 (문서) 문맥 (context)을 제공하지 못합니다. 본 논문은 이러한 문제를 체계적으로 해결하기 위해 SF-Re2G를 제안합니다. 첫째, 동일한 섹션 내의 다른 구절들과 대조함으로써 구절 표현 (passage representation)을 개선하여 검색 성능을 향상시키고자 합니다. 둘째, 하나의 대화 턴 (dialog turn)에 대한 여러 근거 구절들이 동일한 이웃 영역에 위치하는 경향이 있다는 사실을 활용하여 구조 강화 재순위화기 (structure-enhanced reranker)를 구축합니다. 구체적으로, 검색된 후보군을 문서 구조에 따라 서브그래프 (subgraphs)로 그룹화합니다. 재순위화기는 그룹 정보를 통합하여 후보군의 점수를 다시 매깁니다 (rescore). 마지막으로, 더 나은 생성을 위해 서브그래프 문맥을 고려하여 선택된 구절들을 응답 생성에 사용합니다. 두 가지 DGDS 데이터셋에 대한 실험 결과는 중국어와 영어 모두에서 본 방법론의 유효성을 입증합니다.