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

기본 흐름

Mermaid스크롤로 확대 · 드래그로 이동
Copy

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