260928

01

1. VectorRetriever : 의미 기반 검색
   1. 질문 임베딩
   2. 질문과 유사한 청크 검색
   3. 같은 영화의 중복 청크 제거 → 기준 영화 후보
2. VectorCypherRetriever : 의미 검색 + 그래프 관계 확장
   1. 질문 벡터 → 진입 청크 찾기
   2. 청크 → 원문 → 기준 영화
   3. 기준 영화 → 공통 배우 → 다른 영화로 확장
   4. paths에 공통 배우 + 양쪽 관계 claim_id 저장
   5. 같은 후보 영화 중복 병합
3. 전문 검색
   1. 질문 언어 판단
   2. 검색용 핵심어 변환
   3. Neo4j Full-text(BM25) 검색
   4. 같은 원문은 최고 점수 청크만 유지
   5. source_id로 Vector 결과와 비교

Vector = 의미로 찾기
Graph = 관계로 확장하기
Full-text = 단어로 찾기

# (1) 의미기반 검색 VectorRetriver
# (2) 의미 + Cypher 확장 검색 VectorCypherRetriever
# (3) 전문 검색

---

02

1. 질문을 역할별로 나눔
   • 의미/줄거리 검색용 질문
   • 그래프 관계 조건용 질문
2. 세 가지 검색
   1. 전문 검색 → BM25
   2. 벡터 검색 → Dense
   3. 그래프 검색 → GraphCypherQAChain
      자연어 질문 → LLM이 Cypher 생성 → Neo4j 조회 → 관계 후보 반환
3. 검색 결과 통합
   1. 전문 + 벡터
      → EnsembleRetriever
      → 가중 RRF
   2. 그래프 검색 결과의 source_id
      → 관계 조건을 만족하는 allowed_ids
4. 관계 조건 적용
   • RRF 결과 중 allowed_ids에 속하는 후보만 유지
   • 그래프에는 있지만 전문/벡터 검색이 놓친 후보
     → search_score = 0으로 뒤에 추가
5. PageRank 재랭킹
   • 그래프 전체에서 노드 중요도 계산
   • 검색 점수 + PageRank 점수 결합
   • final_score로 후보 재정렬
6. Multi-hop 근거 구성
   • 기준 영화 → 배우 → 후보 영화
   • first_claim / second_claim으로 관계 근거 추적
   • 후보 원문 + 영화 정보 + 관계 evidence 수집
7. 답변
   • 상위 후보의 원문/관계 근거를 LLM에 전달
   • evidence_id를 인용해 최종 답변

# 원래 질문 (의미기반 검색 + 필터 검색)
# 원래 질문 LLM을 활용해서 -> 의미기반 검색 질문 + 그래프 기반 검색 질문으로 나눔

# 의미기반 검색 질문 -> 하이브리드 검색으로 점수 및 검색 결과를 도출
# 그래프 기반 검색 질문 -> TextToCypher를 활용해서 검색 결과를 도출 --> (필터 조건을 만족하는 검색 후보)

# 의미기반 후보들의 점수를 그래프 기반 후보들에 대입 (없는 요소면 0점으로 대입)
# 최종 후보들 도출

# 최종 후보들 PageRank의 포화함수 점수를 이용해서 재정렬 (선택사항)

# 정렬된 최종 후보들로 Context 생성

# LLM을 활용해서 최종 답변