Fact-Interpretation 분리 설계로 작업 성공률 99.1% 달성 및 지식 품질 최적화

Context

기존 KG-augmented LLM 시스템은 객관적 관찰값과 주관적 판단을 단일 그래프에 저장하여 데이터 생명주기 및 거버넌스 관리의 한계 발생. 이로 인한 노이즈 제거 불능 및 도메인 지식 체계화 실패로 시스템 성능 저하 초래.

Technical Solution

• 객관적 관찰값 전용 Fact KG와 주관적 판단 전용 Interpretation KG로 물리적 테이블 분리 설계
• Fact KG 내 Confidence 컬럼을 제거하여 데이터의 객관성 확보 및 Graph Analysis Layer를 통한 검증 구조 채택
• Interpretation KG에 abstraction_level(Instance, Pattern, Principle)을 도입하여 지식의 추상화 단계별 계층 관리
• Domain Velocity와 Half-life 기반의 Decay 메커니즘을 적용하여 효용성이 낮은 주관적 판단의 자동 아카이빙 구현
• LLM의 역할을 자연어 처리(추출, 생성)로 제한하고 Epistemics 관리는 KG의 구조적 로직에 위임하여 책임 분리
• Partition by List 및 부분 인덱스 설계를 통한 추상화 레벨별 쿼리 성능 최적화