DreamKG: 지식 그래프 기반 대화형 시스템을 활용한 노숙자 지원

DreamKG: A KG-Augmented Conversational System for People Experiencing Homelessness

노숙을 경험하는 사람들은 지역 사회 서비스에 대한 적시에 정확한 정보를 얻는 데 상당한 어려움을 겪습니다. DreamKG은 필라델피아 지역의 기관, 서비스, 위치 및 운영 시간에 대한 검증되고 최신 데이터에 기반한 지식 그래프 기반 대화형 시스템을 통해 이러한 문제를 해결합니다. DreamKG은 환각 현상에 취약한 일반적인 대규모 언어 모델(LLM)과는 달리, Neo4j 지식 그래프와 구조화된 쿼리 이해 기능을 결합하여 위치 정보와 시간 정보를 포함하는 쿼리를 안정적으로 처리합니다. 이 시스템은 거리 기반 추천을 위한 공간 추론과 운영 시간 필터링 기능을 수행합니다. 초기 평가 결과, 관련 쿼리에 대해 Google Search AI보다 59% 더 우수한 성능을 보였으며, 관련 없는 쿼리에 대해서는 84%의 정확도로 거부했습니다. 이 데모는 LLM의 유연성과 지식 그래프의 신뢰성을 결합한 하이브리드 아키텍처가 취약 계층의 서비스 접근성을 효과적으로 향상시킬 수 있는 잠재력을 보여줍니다.

People experiencing homelessness (PEH) face substantial barriers to accessing timely, accurate information about community services. DreamKG addresses this through a knowledge graph-augmented conversational system that grounds responses in verified, up-to-date data about Philadelphia organizations, services, locations, and hours. Unlike standard large language models (LLMs) prone to hallucinations, DreamKG combines Neo4j knowledge graphs with structured query understanding to handle location-aware and time-sensitive queries reliably. The system performs spatial reasoning for distance-based recommendations and temporal filtering for operating hours. Preliminary evaluation shows 59% superiority over Google Search AI on relevant queries and 84% rejection of irrelevant queries. This demonstration highlights the potential of hybrid architectures that combines LLM flexibility with knowledge graph reliability to improve service accessibility for vulnerable populations effectively.