우리는 대규모 지식 기반 질의응답(KBQA)을 위한 신경망 의미 분석 프레임워크인 Retriever-Transducer-Checker(ReTraCk)을 제안한다. ReTraCk는 높은 유연성을 유지하기 위해 모듈형 구조로 설계되었다. 이 프레임워크는 관련 지식 기반(KB) 항목을 효율적으로 검색하는 리트리버(retriever), 문법적 정확성을 보장하는 논리적 형식을 생성하는 트랜스듀서(transducer), 그리고 전환 과정을 개선하는 체커(checker)로 구성된다. ReTraCk는 GrailQA 리더보드에서 전체 성능 상위 1위를 기록하였으며, 대표적인 WebQuestionsSP 벤치마크에서도 매우 경쟁력 있는 성능을 달성하였다. 제안된 프레임워크의 효율성을 입증하기 위해 사용자와 실시간으로 상호작용할 수 있는 시스템을 구현하였다.