메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정세영 (연세대학교) 김대식 (연세대학교) 김우영 (연세대학교) 김우주 (연세대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제2호
발행연도
2024.6
수록면
211 - 224 (14page)
DOI
10.13088/jiis.2024.30.2.211

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 대규모 언어 모델 (Large Language Models) 의 성능이 크게 향상됨에 따라 다양한 분야에서 생성형 AI 모델을 활용하여 텍스트를 처리하는 연구에 대한 관심이 높아지고 있다. 하지만 이러한 대규모 언어 모델은 텍스트 처리 능력은 우수하지만 검증되지 않은 지식을 생성하여 부정확한 답을 응답하는 환각 (hallucination) 현상이 나타날 수 있다. 대규모언어 모델의 답변 성능을 향상시키고 환각 현상을 줄이기 위해 최근에는 지식 그래프를 활용하여 대규모 언어 모델의 프롬프트로 활용하는 Knowledge Graph Question Answering 연구가 보고되었다. 이에 본 연구는 Knowledge Graph Question Answering의 답변 성능을 높이기 위해 Retrieval Augmented Generation 시스템을 활용한다. 우리는 전통적인 Retrieval Augmented Generation 시스템에 필터링 과정을 더하여 검색-필터링-생성 구조를 제안한다. 우리가 제안한 필터링 방법은 검색된 지식 중에서 실제로 질문과 관련이 없는 Noise를 제거하는 방식이다. 우리는 필터링을 통해 Noise가 제거된 지식을 대규모 언어 모델의 프롬프트로 활용함으로써 답변 성능을 향상시켰다. 결과적으로 추가적인 미세조정 없이 검색된 지식을 적절히 선별함으로 KGQA의 답변 성능이 향상될 수 있음을 입증하였다.

목차

1. 개요
2. 이론적 배경
3. 제안 방법
4. 실험
5. 결론
참고문헌(References)
Abstract

참고문헌 (33)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-151-24-02-090061040