[논문 리뷰] Cost-Efficient RAG for Entity Matching with LLMs: A Blocking-based Exploration

Chuangtao Ma, Zeyu Zhang외 3명|arXiv (Cornell University)|2026. 02. 05.

Data Quality and Management인용 수 0

한 줄 요약

본 논문은 CE‑RAG4EM을 소개하며, 배치 검색과 생성을 활용하여 계산량을 줄이면서 매칭 품질을 유지하거나 향상시키는 대규모 엔티티 매칭을 위한 차단 기반의 비용 효율적인 RAG 프레임워크를 제안한다.

ABSTRACT

Retrieval-augmented generation (RAG) enhances LLM reasoning in knowledge-intensive tasks, but existing RAG pipelines incur substantial retrieval and generation overhead when applied to large-scale entity matching. To address this limitation, we introduce CE-RAG4EM, a cost-efficient RAG architecture that reduces computation through blocking-based batch retrieval and generation. We also present a unified framework for analyzing and evaluating RAG systems for entity matching, focusing on blocking-aware optimizations and retrieval granularity. Extensive experiments suggest that CE-RAG4EM can achieve comparable or improved matching quality while substantially reducing end-to-end runtime relative to strong baselines. Our analysis further reveals that key configuration parameters introduce an inherent trade-off between performance and overhead, offering practical guidance for designing efficient and scalable RAG systems for entity matching and data integration.

연구 동기 및 목표

• LLM 기반 엔티티 매칭(EM)의 효율성 및 확장성 격차를 동기부여하고 해결한다.
• CE‑RAG4EM, 비용 효율적 배치 검색 및 생성을 가능하게 하는 차단 기반 RAG 아키텍처를 제안한다.
• 차단 전략과 검색 정밀도를 포함하여 EM에 대한 RAG 변형을 분석하는 통합 프레임워크를 제공한다.
• 강력한 베이스라인과 설계 선택을 비교 평가하여 성능-오버헤드 트레이드를 매핑한다.

제안 방법

• 소스/타깃 테이블 간의 유사한 레코드를 그룹화하여 블록으로 구성하는 차단 기반 배치 구성을 도입한다.
• Top‑k 엔티티/개념어를 사용하여 KG에서 컨텍스트 지식을 블록 수준으로 배치 검색한다.
• 검색된 KG 컨텍스트에서 트리플 검색 및 그래프 확장(BFS 및 이웃 확장)을 수행한다.
• 검색된 식별자를 KG의 텍스트 설명으로 보강하고 순위 기반 정제를 적용하여 노이즈를 필터링한다.
• EM 결정을 생성하기 위해 쿼리별 및 블록 수준 배치 생성을 위한 맞춤 프롬프트 전략을 사용한다.

실험 결과

연구 질문

• RQ1 차단 기반 배치 검색이 EM에서의 검색 및 생성 오버헤드를 정확도를 해치지 않는 범위에서 줄일 수 있는가?
• RQ2 검색 정밀도(엔티티/개념어 대 트리플) 가 EM 성능 및 효율성에 어떤 영향을 미치는가?
• RQ3 EM에서 블록 기반 배치 처리와 per-query RAG 사이의 트레이드오프는 무엇인가?
• RQ4 지식 보강 및 정제는 LLM 기반 EM 결정에 어떤 영향을 미치는가?
• RQ5 설계 선택(블록 크기, Top-k, 트래버설 깊이)이 성능과 비용에 어떤 영향을 주는가?

주요 결과

• CE‑RAG4EM은 강력한 베이스라인에 비해 엔드-투-엔드 런타임을 상당히 감소시키면서 비교되거나 향상된 EM 품질을 달성할 수 있다.
• 차단 기반 배치 검색은 검색 비용을 상쇄하고 EM에 대한 확장 가능한 RAG를 가능하게 한다.
• 검색 정밀도와 그래프 탐색 전략은 정확도와 효율성 사이의 트레이드오프에 큰 영향을 준다.
• 지식 보강 및 지시문 기반 필터링은 검색된 지식의 노이즈를 완화하는 데 도움이 된다.
• 프레임워크는 최대 블록 크기, Top-k 등 파라미터 설정을 균형 있게 조정하는 실용적 지침을 제공한다.
• 통합 평가 프레임워크는 EM 작업 및 지식 소스 전반에 걸친 RAG 변형의 원칙적 비교를 지원한다.