Hybrid RAG: 벡터 유사도 기반 탐색을 통해 증강된 그래프 검색-증강-생성

Vector RAG는 문맥적 유사성 검색에 강점이 있지만 Global 질문이나 다단계 추론에 한계가 있고, Graph RAG는 개체 간 관계 추론에 강점을 보이나 검색을 위한 쿼리 작성 시 오류가 발생하기 쉽다는 한계가 있다. 이 두 접근법의 상호보완을 위해 벡터 임베딩 기반의 유사도를 그래프 데이터베이스 검색 프로세스에 적용한 Hybrid RAG 모델을 제안했다. ARAGOG 벤치마크 데이터셋으로 RAGAS 지표(Context Precision/Recall, Faithfulness, Answer Relevancy/Correctness/Similarity) 평가를 수행한 결과, 기존 RAG 접근법 대비 전반적으로 우수한 성능을 보였으며 특히 답변의 관련도와 정확도에서 각각 4.4%, 6.2% 유의미한 향상을 확인했다.