Similarity RAG로 Semantic Search 구현하기 (Ontology DB 구축)

핵심 내용

• 5,000개 PPT와 80,000개 Vector DB를 바탕으로 의미기반 검색용 Lite-Ontology DB 구성
• 슬라이드별 메타정보 추출 후 문자열로 주입하고, Long Context Embedding으로 문맥 전체를 벡터화
• NetworkX로 메타정보 간 연결망을 만들고, RAG에서 질문 의미까지 검색 가능한 구조로 확장

구조와 흐름

• PPT 슬라이드 단위로 핵심 내용과 메타정보 분리 추출
• 같은 PPT에는 동일 메타정보를 부여해 데이터 간 연결성 강화
• 메타정보와 본문을 함께 임베딩해 DB 간·DB 내 관계를 함께 활용

선택 이유

• 부정확하거나 불필요한 정보보다 정제된 PPT가 RAG에 적합
• 메타정보가 있으면 유사도 검색에서 상관성과 군집성이 높아짐
• 단순 정보 검색을 넘어 문맥적 의미까지 찾는 방향에 적합

성능/운영 포인트

• 메타정보 포함 데이터가 유클리드 거리 감소, Cosine Similarity 증가
• t-SNE 시각화에서도 메타정보 포함 데이터가 더 조밀한 분포 확인
• 메타정보가 검색 효율과 PPT 간 연관성 강화에 핵심 역할