What question did this study set out to answer?

The research aims to optimize performance in knowledge retrieval and reasoning by integrating multiple information sources into a hybrid RAG framework.

May 10, 2026

Performance Optimization Study of Hybrid RAG Engine Integrating Multi-Source Knowledge: Vector, Graph, and Ontology Approaches

Key Points

The research aims to optimize performance in knowledge retrieval and reasoning by integrating multiple information sources into a hybrid RAG framework.
Proposed a Triple-Hybrid RAG framework combining vector, graph, and ontology approaches.
Utilized dynamic weighting algorithm to adjust contributions of different sources based on entity, relation, and constraint densities.
Experimented with 1,037 documents, 2,542 graph nodes, and 5,000 QA pairs in a GPT-4o-mini environment.
Achieved a 19.4% increase in F1 Score compared to single vector sources.
Recorded a 34.5% improvement in Exact Match for complex queries.
Dynamic weighting showed a 3.2%p enhancement in Multi-hop Exact Match over fixed-weight methods.

Abstract

대규모 언어 모델(LLM)의 환각 현상과 지식의 최신성 부족을 해결하기 위해 검색 증강 생성(RAG) 기술이 제안되었으나, 기존 벡터 유사도 기반 RAG는 복합적인 다단계 관계(Multi-hop) 추론과 엄격한 도메인 규칙 처리에 한계를 보인다. 본 연구는 비정형 데이터의 맥락을 파악하는 Vector, 구조적 연결성을 탐색하는 Graph, 규범적 체계를 정의하는 Ontology를 결합한 Triple-Hybrid RAG 프레임워크를 제안한다. 또한, 질의 의도 분석에서 추출되는 개체 밀도(Entity Density), 관계밀도(Relation Density), 제약 밀도(Constraint Density)의 세 가지 연속적 신호를 활용하여 각 소스의 기여도를 동적으로 조정하는 동적 가중치 알고리즘(DWA)을 상술한다. 합성 대학 행정 데이터(문서 1,037건, 그래프 노드 2,542개, 골드 QA 5,000쌍)를 대상으로 GPT-4o-mini(temperature=0.0) 환경에서 실험한 결과, 단일 벡터 소스 대비 F1 Score에서 19.4%, 복합 질의의 Exact Match(EM)에서 34.5%의 성능 향상을 기록하였다. 3단계 Ablation 실험을 통해 각 구성요소의 기여도를 검증하였으며, 연속적 가중치 조정이 유형 고정 방식 대비 Multi-hop EM에서 3.2%p의 추가 개선을 보였다.

Connected Papers

Building similarity graph...

Analyzing shared references across papers

Discussion

Authors

Dong-Wook Shin

Nam-Mee Moon

Journals

Journal of the Korea Society of Computer and Information

Actions

References and Citations

Connected Papers

Building similarity graph...

Analyzing shared references across papers

Performance Optimization Study of Hybrid RAG Engine Integrating Multi-Source Knowledge: Vector, Graph, and Ontology Approaches

Key Points

Abstract

Citation Network

Connected Papers

Discussion

Authors

Journals

Actions

References and Citations

Citation Network

Connected Papers

Discussion

Cite this study

Also consider