DEEP-PolyU/LinearRAG

해결하는 문제

LinearRAG은 기존 GraphRAG 시스템의 높은 비용과 느린 속도를 해결합니다. 기존 방법은 지식 그래프를 구축하기 위해 엔티티 간의 관계를 LLM으로 추출하는 경우가 많아, 상당한 토큰과 시간을 소모합니다. LinearRAG은 LLM 기반의 관계 추출 없이도 그래프를 구축할 수 있는 방법을 제공하여, 대규모 데이터셋에 대해 더 빠르고 확장 가능한 프로세스를 가능하게 합니다.

작동 방식

명시적인 관계 그래프 대신 LinearRAG은 '관계 없는' 구축 방식을 사용합니다. 가벼운 엔티티 인식과 의미적 링크를 활용해 그래프 구조를 생성합니다. 의미적 브리징을 통해 단일 패스에서 다단계 추론과 심층 검색이 가능해져, 전통적인 그래프 구축의 부담 없이 복잡한 정보를 탐색할 수 있습니다.

대상 사용자

대규모 코퍼스를 다뤄야 하는 RAG 시스템 개발자 및 연구자에게 적합합니다. LLM 기반 그래프 구축의 비용과 지연이 부담스러운 상황에 최적입니다.

주요 특징

• 구축 시 LLM 토큰 비용 0: 그래프 구축 단계에서 관계를 식별하기 위해 LLM을 사용할 필요가 없습니다.
• 선형 복잡도: 시간과 공간 복잡도가 선형으로, 높은 확장성을 보장합니다.
• 다단계 추론: 명시적인 관계 그래프 없이도 의미적 브리징을 통해 심층 검색과 복잡한 추론을 지원합니다.
• 컨텍스트 유지: 의미적 링크와 엔티티 인식을 사용해 포괄적인 컨텍스트 이해를 유지합니다.