Retrieval-Augmented Generation for Curated Thematic Corpora: A Critical Survey, Bibliometric Evidence, and the ThemePath-RAG Framework

Riset ini berfokus pada peningkatan sistem kecerdasan buatan (AI) yang dikenal sebagai Retrieval-Augmented Generation (RAG). Sistem RAG saat ini sering menghadapi tantangan karena memperlakukan informasi sebagai potongan teks terpisah atau grafik yang dibuat otomatis. Padahal, banyak korpus tematik yang dikurasi oleh ahli—seperti kitab suci, kode hukum, atau panduan klinis—sudah memiliki struktur pengetahuan yang terorganisir secara tematis. Para peneliti mengusulkan kerangka kerja baru bernama ThemePath-RAG untuk memanfaatkan struktur yang sudah ada ini, dengan tujuan memangkas bukti menjadi set yang ringkas dan spesifik untuk pertanyaan. Mereka menemukan bahwa pendekatan berbasis jalur tematik ini layak secara operasional, meskipun studi awal menunjukkan tantangan dalam pemilihan bukti dibandingkan metode konvensional.

Penulis melakukan survei kritis dan analisis bibliometrik terhadap 2815 catatan terkait RAG yang terindeks Scopus, dengan 2809 catatan dipertahankan setelah duplikasi dihapus, per 26 Mei 2026. Hasilnya menunjukkan pertumbuhan pesat riset RAG, tetapi konsolidasi eksplisit seputar jalur tematik yang dikurasi atau pemangkasan bukti berbasis jalur tematik masih terbatas. Untuk mengatasi ini, mereka mengusulkan ThemePath-RAG, sebuah kerangka kerja yang mengambil jalur tematik sebagai rute semantik dengan *recall* tinggi, memperluas bukti kanonis kandidat, dan menerapkan penilaian yang sadar pertanyaan serta pemangkasan global sebelum generasi. Untuk menguji kelayakannya, ThemePath-RAG diimplementasikan untuk menjawab pertanyaan Al-Qur'an dan dibandingkan dengan *baseline* Vector RAG menggunakan 150 pasang pertanyaan. Evaluasi dilakukan dengan metrik RAGAS *context relevance* menggunakan gpt-4o-mini sebagai evaluator LLM. Kedua metode mengembalikan sekitar tiga ayat final per pertanyaan. Vector RAG mencapai *mean context relevance* yang lebih tinggi (0.920) dibandingkan ThemePath-RAG (0.798), dengan p<0.001. Hasil ini menunjukkan kelayakan *retrieval* berbasis jalur tematik dan mengidentifikasi tantangan dalam pemilihan bukti, bukan membuktikan keunggulan atas *retrieval* vektor konvensional.

Sebagai paper yang berasal dari Indonesia, penelitian ini memiliki relevansi yang kuat untuk konteks nasional. Selain itu, pendekatan ini dapat diterapkan pada korpus tematik lain di Indonesia, seperti undang-undang, peraturan pemerintah, atau kurikulum pendidikan, untuk meningkatkan efisiensi pencarian dan akurasi informasi bagi pembuat kebijakan, praktisi hukum, dan pendidik.