SentGraph: 다중-홉 검색 증강 질의응답을 위한 계층적 문장 그래프

SentGraph: Hierarchical Sentence Graph for Multi-hop Retrieval-Augmented Question Answering

기존의 검색 증강 생성(RAG) 방법은 대규모 언어 모델을 활용한 단일-홉 질의응답에 효과적이지만, 여러 문서에서 증거를 결합해야 하는 다중-홉 질의응답 작업에서는 상당한 한계를 보입니다. 기존의 덩어리 기반 검색은 종종 관련 없는 내용과 논리적으로 일관되지 않은 문맥을 제공하여, 답변 생성 과정에서 불완전한 증거 연결과 잘못된 추론을 야기합니다. 이러한 문제점을 해결하기 위해, 본 논문에서는 다중-홉 질의응답을 위해 문장 수준의 논리적 관계를 명시적으로 모델링하는 그래프 기반 RAG 프레임워크인 SentGraph를 제안합니다. 구체적으로, 우리는 수사 구조 이론을 활용하여 핵심 문장과 위성 문장을 구분하고, 이를 바탕으로 문서 내의 주제별 하위 그래프를 구성하며, 문서 간의 엔티티 연결을 통해 계층적인 문장 그래프를 오프라인으로 구축합니다. 온라인 검색 단계에서, SentGraph는 그래프 기반의 증거 선택 및 경로 확장을 수행하여, 세밀한 수준의 문장 단위 증거를 검색합니다. 네 가지 다중-홉 질의응답 벤치마크에 대한 광범위한 실험 결과는 SentGraph의 효과성을 입증하며, 다중-홉 추론을 위해 문장 수준의 논리적 의존성을 명시적으로 모델링하는 것이 중요하다는 것을 확인합니다.

Traditional Retrieval-Augmented Generation (RAG) effectively supports single-hop question answering with large language models but faces significant limitations in multi-hop question answering tasks, which require combining evidence from multiple documents. Existing chunk-based retrieval often provides irrelevant and logically incoherent context, leading to incomplete evidence chains and incorrect reasoning during answer generation. To address these challenges, we propose SentGraph, a sentence-level graph-based RAG framework that explicitly models fine-grained logical relationships between sentences for multi-hop question answering. Specifically, we construct a hierarchical sentence graph offline by first adapting Rhetorical Structure Theory to distinguish nucleus and satellite sentences, and then organizing them into topic-level subgraphs with cross-document entity bridges. During online retrieval, SentGraph performs graph-guided evidence selection and path expansion to retrieve fine-grained sentence-level evidence. Extensive experiments on four multi-hop question answering benchmarks demonstrate the effectiveness of SentGraph, validating the importance of explicitly modeling sentence-level logical dependencies for multi-hop reasoning.