Graph Traversal Retrieval

Graph Traversal Retrieval은 벡터·키워드 검색이 찾은 후보를 시작점으로 삼아, 의미가 명시된 그래프 관계를 제한적으로 따라가며 추가 근거를 찾는 검색 기법이다. GraphRAG처럼 문서 전체에서 그래프를 새로 추출하는 방식과 달리, 기존 도메인 그래프를 retrieval 채널 하나로 쓰는 데 초점이 있다.

기본 흐름

Mermaid스크롤로 확대 · 드래그로 이동
Copy

그래프 탐색은 처음부터 전체 그래프를 뒤지는 것이 아니다. semantic 또는 lexical 검색으로 얻은 작은 seed 집합에서 시작해, 질문과 관련된 관계만 정해진 거리까지 확장한다.

탐색 정책

CYPHERCopy

노드 ID와 limit은 parameter로 전달한다. 관계 타입과 hop 수는 정책 코드에서 고정하거나 allowlist로 선택한다. 사용자 문장을 Cypher 문자열에 이어 붙여서는 안 된다.

점수와 융합

그래프 채널은 기존 vector 또는 BM25 점수를 덮어쓰지 않는다. 별도 ranked list로 만든 뒤 Reciprocal Rank Fusion이나 명시적인 가중치로 융합한다.

TEXTCopy

같은 seed를 다시 높은 점수로 넣어 이중 계산하지 않도록, graph 채널은 새로 발견한 이웃만 기여하게 하거나 채널별 기여도를 별도로 기록하는 방법이 있다.

언제 유용한가

• 문서·기능·상품·정책 사이의 의존성, 전제 조건, 대체 관계가 실제로 관리될 때
• 한 청크만으로 답이 완성되지 않고 관련 항목을 함께 찾아야 할 때
• 그래프 관계의 출처와 품질을 운영할 수 있을 때

관계가 임의 추출된 노이즈라면 그래프 확장은 recall보다 오염을 더 크게 만들 수 있다. 그 경우에는 Hybrid Search, Reranking, metadata filter부터 안정화하는 편이 낫다.

평가

전체 RAG 점수만 보지 말고 graph 채널을 껐을 때와 비교한다.

1. vector만 사용
2. vector + BM25
3. vector + BM25 + graph traversal
4. 전체 + reranker

각 단계의 Recall@k, Precision@k, latency, 경로 길이, 빈 결과 비율을 측정한다. graph가 정답 근거를 추가로 가져온 실제 사례와, 불필요한 이웃을 늘린 사례를 같이 저장해야 관계 정책을 개선할 수 있다.

관련

• Graph Data Modeling
• Knowledge Graph
• Hybrid RAG Search
• Reciprocal Rank Fusion
• Retrieval Evaluation
• GraphRAG

공식 문서

• Neo4j Cypher 질의
• Neo4j 인덱스