지식 그래프란? 뜻과 시소러스·택소노미와의 차이

지식 그래프(knowledge graph)는 사람, 회사, 제품 같은 대상을 점으로, 대상 사이의 관계를 선으로 이어 사실을 담은 자료입니다. 어떤 종류의 대상과 관계를 쓰고 무엇을 같은 대상으로 볼지 정한 설계도가 없으면, 같은 회사가 영업팀의 「고객사」와 회계팀의 「매출처」로 두 번 들어가기 쉽습니다.

연구자 18명이 학술지 ACM Computing Surveys에 실은 개론 논문은 지식 그래프를 실제 세계의 지식을 모으고 전하기 위한 데이터의 그래프로 정의합니다. 이 그래프에서 점은 관심 있는 대상을, 선은 대상 사이의 관계를 나타냅니다. 같은 논문에 따르면 지식 그래프라는 말은 적어도 1972년부터 문헌에 나오지만, 지금 쓰는 뜻은 2012년 구글의 발표에서 비롯되었습니다(Hogan 외, 2021).

구글은 2012년 5월 16일 검색에 지식 그래프를 도입하며 이를 「문자열이 아니라 사물」을 찾는 일로 소개했고, 당시 이 그래프에는 5억 개가 넘는 대상과 그 대상들에 관한 35억 개가 넘는 사실과 관계가 들어 있었습니다(Google, 2012).

택소노미와 시소러스는 지식 그래프와 무엇이 다른가요?

택소노미는 개념을 「~의 한 종류다」 같은 상하 관계로 나눈 분류 체계이고, 시소러스는 그 위에 같은 뜻의 다른 이름과 관련된 말까지 적은 용어 체계입니다. 둘 다 개념과 용어를 정리한 것인 반면, 지식 그래프는 실제 대상 사이의 여러 관계를 사실로 담는다는 점이 다릅니다.

예시로 「부동산 아래 주택, 주택 아래 아파트」로 나눈 것은 택소노미입니다. 여기에 「고객사」를 대표 이름으로, 「매출처」를 같은 뜻의 다른 이름으로 적고, 「거래처」를 그보다 넓은 말로 적어 두면 시소러스가 됩니다.

웹 표준을 만드는 국제 단체 W3C는 시소러스와 택소노미, 분류표, 주제어 목록을 공유하려고 SKOS라는 어휘를 2009년 8월 18일 권고안으로 냈습니다. SKOS에서는 대표 이름을 prefLabel, 같은 뜻의 다른 이름을 altLabel, 더 넓은 개념을 broader, 관련된 개념을 related로 적습니다. SKOS 입문서는 이런 체계를 반(半)형식적인 지식 조직 체계라고 부르고, 논리를 엄밀하게 적는 OWL 같은 온톨로지 언어와 느슨한 태그 사이를 잇는 기술로 설명합니다(W3C SKOS 입문서, 2009).

시소러스의 상하 관계가 늘 「~의 한 종류다」인 것은 아닙니다. 같은 입문서는 broader가 전체와 부분의 관계도 나타낼 수 있고, 기본 SKOS는 상하 관계의 종류를 나누지 않는다고 적습니다(W3C SKOS 입문서, 2009). 예를 들어 「설비」 아래 「펌프」는 종류 관계이지만, 「펌프」 아래 「임펠러」는 부품 관계입니다. 한편 한국에서 택소노미를 검색하면 2021년 말 환경부가 내놓은 한국형 녹색분류체계(K-택소노미)를 다룬 글이 많이 나오는데, 이 글의 택소노미는 개념을 상하 관계로 나눈 분류 체계를 뜻합니다.

지식 그래프는 무엇으로 이루어지나요?

지식 그래프는 대상을 나타내는 점, 관계를 나타내는 선, 그리고 그 선이 어떤 관계인지 알려 주는 이름으로 이루어집니다. 예시로 「A산업은 펌프를 공급한다」는 사실은 A산업과 펌프라는 두 점을 「공급한다」라는 이름의 선으로 이은 것입니다.

W3C의 데이터 형식 RDF는 사실 하나를 주어, 술어, 목적어의 세 부분으로 적고, 이렇게 적은 사실의 묶음을 RDF 그래프라고 부릅니다(W3C RDF 1.1, 2014). 앞의 예에서 A산업은 주어, 「공급한다」는 술어, 펌프는 목적어입니다. 2014년 권고안인 RDF 1.1의 다음 판 RDF 1.2는 표준이 되기 전 단계인 후보 권고안으로, 2026년 4월 7일 판이 공개되어 있습니다(W3C RDF 1.2, 2026).

앞의 개론 논문은 지식 그래프를 담는 그래프의 형식으로, RDF처럼 선마다 이름이 붙은 방향 있는 그래프와, 점과 선 자체에 「설립 연도」 같은 속성을 덧붙일 수 있는 속성 그래프 등을 소개합니다(Hogan 외, 2021). 어느 형식으로 담든 점과 선이 무엇을 가리키는지가 정해져 있어야 사실로 읽힙니다.

지식 그래프에도 설계도가 필요한가요?

필요합니다. 어떤 종류의 대상과 관계를 쓰고, 이름이 달라도 같은 대상인지 무엇으로 가릴지 정해 두어야, 사실이 쌓일수록 그래프가 쓸모 있어집니다. 이런 틀을 컴퓨터가 읽을 수 있게 정의한 것이 온톨로지입니다.

예시로 영업팀은 거래하는 회사를 「고객사 A산업」으로, 회계팀은 같은 회사를 「매출처 (주)A산업」으로 적었다면, 설계도 없이 두 기록을 합친 그래프에는 회사가 두 점으로 갈립니다. 그러면 계약 기록은 한 점에, 매출 기록은 다른 점에 이어져 「이 회사와의 거래 전체」를 물어도 절반만 나오고, 고객 수는 하나 더 많게 셉니다.

그래서 지식 그래프의 표준에는 같은 대상임을 적는 방법이 있습니다. 앞의 개론 논문은 W3C의 온톨로지 언어 OWL이 정한 sameAs(같음) 속성으로 두 점이 같은 대상이라고 적으면, OWL의 규칙에 따라 두 점의 데이터를 합쳐 볼 수 있다고 설명합니다(Hogan 외, 2021). 온톨로지와 지식 그래프의 관계는 "온톨로지란? 뜻과 구성 요소, 데이터베이스와의 차이"에서 따로 다룹니다.

옵시디언의 그래프 보기도 지식 그래프인가요?

겉모습은 같지만 담는 내용이 다릅니다. 메모 프로그램 옵시디언(Obsidian)의 그래프 보기는 노트 사이의 링크를 그린 그림이고, 기본 그래프 보기의 선에는 두 노트가 「공급한다」인지 「경쟁한다」인지 같은 관계의 이름이 없습니다.

옵시디언 도움말에 따르면 그래프 보기는 보관함 안의 노트 사이의 관계를 보여 주는 기능으로, 원은 노트를, 선은 두 노트 사이의 내부 링크를 나타내며, 어떤 노트를 가리키는 노트가 많을수록 그 원이 커집니다. 현재 노트와 이어진 노트만 보는 로컬 그래프와, 링크가 하나도 없는 노트를 보일지 정하는 설정도 있습니다(Obsidian 도움말).

그래서 그래프 보기로는 어떤 노트가 많이 이어졌는지, 어떤 노트가 다른 노트와 이어지지 않았는지는 알 수 있지만, 노트에 적힌 사실을 AI가 근거로 찾아 쓰게 하려면 RAG나 GraphRAG 같은 장치를 따로 만들어야 합니다. 노트에서 대상과 관계를 뽑아 그래프로 만들고 질문에 쓰는 방식은 "GraphRAG의 뜻과 일반 RAG와의 차이"에서 다룹니다.

지식 그래프와 네트워크 분석은 무엇이 다른가요?

지식 그래프는 사실을 담아 두는 자료이고, 네트워크 분석은 그래프의 연결 구조를 계산해 중심이 되는 점이나 촘촘히 이어진 무리를 찾아내는 분석 방법입니다. 그래서 지식 그래프 위에서 네트워크 분석을 할 수도 있습니다.

앞의 개론 논문은 그래프 분석이 그래프 이론과 네트워크 분석의 기법을 가져다 쓴다고 설명하며, 가장 중요한 점이나 선을 찾는 중심성, 안쪽끼리 더 촘촘히 이어진 무리를 찾는 커뮤니티 탐지, 연결성, 점 사이의 유사도를 대표 기법으로 듭니다. 예를 들어 교통 연결 그래프에서 중심성으로 주요 환승 거점을 찾을 수 있습니다(Hogan 외, 2021).

두 가지는 겉보기에 같은 그래프 그림으로 나타나서 자주 섞여 불립니다. 하지만 네트워크 분석은 선이 몇 개이고 어떻게 이어졌는지를 보고, 지식 그래프는 선 하나하나가 무슨 사실인지를 담습니다. GraphRAG가 그래프를 여러 묶음으로 나눌 때 쓰는 라이덴 알고리즘도 커뮤니티 탐지 기법의 하나입니다.

온톨로지와 GraphRAG도 함께 보려면 무엇을 읽으면 되나요?

지식 그래프의 설계도인 온톨로지는 "온톨로지란? 뜻과 구성 요소, 데이터베이스와의 차이"에서, 문서에서 뽑은 대상과 관계로 지식 그래프를 만들어 질문에 답하는 GraphRAG는 "GraphRAG의 뜻과 일반 RAG와의 차이: 그래프로 근거를 찾는 방식"에서, 데이터와 업무 동작까지 묶는 팔란티어의 온톨로지는 "팔란티어 온톨로지는 일반 온톨로지와 무엇이 다른가요?"에서 다룹니다. 다른 질문은 AX 가이드의 지식 구조에서 찾을 수 있습니다.