GraphRAG: 로컬에서 글로벌로, 쿼리 중심 요약을 위한 그래프 기반 RAG 접근법
기존의 Retrieval-Augmented Generation (RAG) 시스템은 특정 정보를 찾는 데는 뛰어나지만, 데이터셋 전체에 대한 글로벌 질문에는 취약합니다. 이 논문은 이러한 한계를 극복하기 위해 그래프 기반의 새로운 접근법인 GraphRAG를 제안합니다. GraphRAG는 LLM을 사용하여 소스 문서로부터 entity 지식 그래프를 구축하고, 관련 entity 그룹에 대한 커뮤니티 요약을 미리 생성합니다. 사용자 질문이 주어지면, 각 커뮤니티 요약을 바탕으로 부분적인 답변을 생성한 후, 이를 다시 종합하여 최종적인 글로벌 답변을 만듭니다. 이를 통해 GraphRAG는 대규모 텍스트 코퍼스에 대한 전역적인 이해를 요구하는 질문에 대해 기존 RAG 방식보다 훨씬 포괄적이고 다양한 답변을 생성하는 성능을 보여줍니다. 논문 제목: From Local to Global: A GraphRAG Approach to Query-Focused Summarization