Graph-Enhanced RAG 쉽게 이해하기
1. RAG란 무엇인가요?
RAG (Retrieval-Augmented Generation)은 AI가 모르는 정보를 외부에서 검색한 뒤, 그 내용을 바탕으로 답변을 만들어주는 기술입니다.
예시: "이순신 장군에 대해 알려줘" → AI가 문서를 검색한 뒤, 요약해서 알려줌.
2. Graph-Enhanced RAG는 무엇이 다른가요?
기존 RAG에 그래프(지식 간 관계를 표현하는 구조)를 더한 것입니다.
- 지식을 단편적으로 찾는 게 아니라, 관련된 지식들을 연결하여 전체 맥락을 이해함.
- 예: 삼성전자 → 메모리 반도체 → 글로벌 점유율 → 경쟁사
3. 예시로 비교해봅시다
질문: "한국의 반도체 산업에 대해 설명해줘."
- 일반 RAG: 관련 문서를 찾아 읽고 요약.
- Graph-RAG: 삼성전자 → 시장 → 기술 구조 등 지식 간 연결로 더 깊이 있는 답변 생성.
4. 장점은 무엇인가요?
- 정확성 향상: 맥락 파악으로 정보 왜곡 최소화
- 복잡한 질문 대응: 관계를 따라가며 다면적 이해
- 정보 누락 방지: 관련된 개념까지 함께 고려
5. 요약 표
| 항목 | 설명 |
|---|---|
| RAG | 검색 + 생성 |
| Graph-RAG | 검색 + 지식 간 관계(그래프) 활용 |
| 장점 | 정확성, 문맥 이해, 복잡한 질문 처리 |
※ 결론: Graph-RAG는 단순한 정보 검색을 넘어, '지식 간 연결'을 통해 AI가 더 똑똑하게 생각하게 만드는 방법입니다.