LLM 기반 데이터 추출에 답 집합 프로그래밍(ASP)을 결합해 논리적 일관성을 보장하는 프레임워크를 제안한 연구다. LLM이 비정형 텍스트에서 후보 관계 사실을 생성하면 ASP가 검증·추론·일관성 검사·제어를 담당하는데, 기존 파이프라인처럼 모든 대상 술어를 독립적으로 질의하지 않고 ASP 추론으로 각 단계에서 논리적으로 허용 가능한 술어를 식별해 추출 쿼리를 유도한다. LLM 호출과 ASP 유도를 교차시켜 논리적으로 함의된 사실은 추가 추출 없이 추론하고 불일치를 조기에 탐지하며, 최종 추출 결과가 베이스라인과 동등하면서 LLM 호출은 더 적음을 증명했다. 단조성을 활용한 논리 쿼리 캐싱도 도입했고, 실험에서 LLM 호출 감소와 허위 출력 완화를 통한 추출 품질 향상을 확인했다. 신뢰성이 요구되는 구조화 데이터 추출에 기호 논리와 LLM 결합의 실용성을 보여준다.

• •LLM이 후보 사실 생성, ASP가 검증·추론·일관성 검사·제어를 담당하는 논리 유도 추출 프레임워크
• •ASP 추론으로 단계별 허용 술어를 식별해 쿼리 유도—함의된 사실은 추출 없이 추론, 불일치 조기 탐지
• •최종 결과 동등성을 증명하면서 LLM 호출 수 감소
• •단조성 활용 논리 쿼리 캐싱으로 솔버 호출도 절감, 허위 출력 완화로 품질 향상