We introduce a new problem KTRL+F, a knowledge-augmented in-document search that necessitates real-time identification of all semantic targets within a document with the awareness of external sources through a single natural query. Ktrl+F addresses following unique challenges for in-document search: 1) utilizing knowledge outside the document for extended use of additional information about targets, and 2) balancing between real-time applicability with the performance. We analyze various baselines in Ktrl+F and find limitations of existing models, such as hallucinations, high latency, or difficulties in leveraging external knowledge. Therefore, we propose a Knowledge-Augmented Phrase Retrieval model that shows a promising balance between speed and performance by simply augmenting external knowledge in phrase embedding. We also conduct a user study to verify whether solving Ktrl+F can enhance search experience for users. It demonstrates that even with our simple model, users can reduce the time for searching with less queries and reduced extra visits to other sources for collecting evidence. We encourage the research community to work on Ktrl+F to enhance more efficient in-document information access.
단일 자연 쿼리를 통해 외부 소스를 인식하여 문서 내의 모든 의미 대상을 실시간으로 식별해야 하는 지식 증강 문서 내 검색인 새로운 문제 Ktrl+F를 소개합니다. Ktrl+F는 문서 내 검색에 대한 다음과 같은 고유한 과제를 해결합니다. 1) 대상에 대한 추가 정보의 확장된 사용을 위해 문서 외부의 지식을 활용하고, 2) 실시간 적용성과 성능 간의 균형을 유지합니다. 본 연구는 Ktrl+F 를 풀기 위한 다양한 기준을 분석하고 환각, 높은 대기 시간, 외부 지식 활용의 어려움 등 기존 모델의 한계를 찾아냅니다. 따라서 우리는 구문 임베딩에서 외부 지식을 단순히 강화함으로써 속도와 성능 사이의 유망한 균형을 보여주는 지식 증강 기반의 구문 검색 모델을 제안합니다. 또한 Ktrl+F 를 해결하면 사용자의 검색 경험이 향상될 수 있는지 확인하기 위해 사용자 연구를 수행합니다. 이는 우리의 간단한 모델을 사용하더라도 사용자가 더 적은 쿼리로 검색 시간을 줄이고 증거 수집을 위해 다른 소스에 대한 추가 방문을 줄일 수 있음을 보여줍니다. 우리는 연구 커뮤니티가 보다 효율적으로 문서 내 정보 액세스를 향상시키기 위해 작업을 수행하도록 권장합니다.
