KSCOLD LogoKSCOLD
Blog
Feed
Product
Admin Night
Vault
Guestbook
Info

Vault 목록

Query Transformation

연결된 노트와 함께 읽기

Query Transformation

2026년 7월 16일

Query Transformation

Query Transformation은 사용자의 원문 질의를 그대로 검색하는 대신, 검색기가 더 잘 찾을 수 있는 질의로 재작성·분해·확장·필터링하는 기술 묶음이다. 생성 품질이 아니라 검색 후보의 재현율과 정밀도를 높이는 것이 목적이다.

대표 기법

기법하는 일적합한 상황주의점
Query rewrite대명사, 생략어, 구어체를 명확한 검색어로 바꾼다.대화 문맥이 있는 짧은 질문원래 의도를 바꾸지 않는다.
Multi-query서로 다른 관점의 질의를 여러 개 만든다.용어가 다양하거나 모호한 질문중복 검색 비용을 제한한다.
Decomposition복합 질문을 독립 하위 질문으로 나눈다.비교, 원인 분석, 다단계 질문마지막에 근거를 다시 통합한다.
HyDE가상 답변 또는 가상 문서를 만든 뒤 임베딩한다.질문과 문서 표현의 간극이 큰 경우가상 답변을 사실 근거로 쓰지 않는다.
Metadata filter날짜, 권한, 문서 유형, 제품군으로 범위를 좁힌다.구조화 메타데이터가 있는 경우필터가 과도하면 정답을 누락한다.

기본 흐름

MERMAID

단순하고 정확한 키워드 질의까지 LLM으로 재작성하면 비용과 오해만 늘어난다. 먼저 규칙 기반 정규화, 메타데이터 필터, BM25 같은 저비용 검색을 사용하고, 실패 가능성이 큰 경우에만 LLM 변환을 추가한다.

좋은 재작성의 조건

  • 원문 질의를 보존하고, 변환 질의는 별도 필드로 기록한다.
  • 대화에서 명확한 참조만 해소한다. 확실하지 않은 의도는 추측으로 고정하지 않는다.
  • 날짜, 제품명, 식별자, 숫자처럼 정확 매칭이 필요한 토큰은 제거하지 않는다.
  • 검색 결과가 부족할 때만 완화하거나 확장한다.
  • 여러 질의의 결과는 Reciprocal Rank Fusion 또는 Reranking으로 합친다.

평가

변환 자체가 자연스럽게 보이는지는 중요하지 않다. 같은 질의 집합에 대해 다음을 비교한다.

  • 정답 문서가 상위 k개 안에 들어오는 비율(Recall@k)
  • 상위 결과의 관련성(Precision@k, nDCG)
  • 검색 지연과 추가 LLM 비용
  • 변환이 원래 의도나 필수 조건을 훼손한 비율

관련

  • Agentic RAG
  • Hybrid Search
  • BM25
  • Reciprocal Rank Fusion
  • Reranking
  • Grounded Generation

Synapse Map Insight