Knowledge Graph 개인 학습 로드맵
Knowledge Graph를 처음 만들 때는 거대한 ontology부터 설계하지 않는 편이 좋습니다. 이미 있는 DB schema나 업무 문서에서 entity와 relation을 뽑고 작은 graph로 효과를 확인하는 순서가 더 현실적입니다.
실전: 어디서부터 시작할까
온톨로지를 처음 만드는 사람을 위한 단계별 접근입니다.
DB 스키마에서 시작하라
연구에 따르면 DB 스키마에서 온톨로지를 추출하면 텍스트에서 추출한 방식과 성능이 비슷하면서 비용은 훨씬 낮습니다. DDL(테이블 정의)을 LLM에게 주면 클래스, 속성, 관계를 자동 추출할 수 있습니다. 이미 있는 데이터의 구조를 활용해야 합니다.
작게 시작하라
노드 타입 3~7개, 관계 타입 5~15개로 시작합니다. 50개 클래스의 완벽한 온톨로지보다 5개 클래스의 정확한 온톨로지가 낫습니다. 필요에 따라 점진적으로 확장합니다.
하이브리드로 가라
벡터 검색을 버리고 그래프로 갈 필요는 없습니다. 80%의 쿼리는 벡터 검색으로 충분합니다. 복잡한 관계 추론이 필요한 15%에는 그래프를 쓰고, 나머지는 벡터에 맡깁니다.
엔티티 해소(Entity Resolution)에 투자하라
초기 GraphRAG 구현에서 가장 큰 문제는 “John Doe, 45”와 “John Doe, age 45”, “Type 2 Diabetes”와 “T2D”처럼 같은 엔티티를 다른 이름으로 인식하는 경우입니다. 이 경우 그래프의 연결이 무너질 수 있으므로 동의어 사전과 정규화가 핵심입니다.
ROI 참고 사례에서는 지식 그래프 도입 조직이 300~320% ROI를 달성한 것으로 정리되어 있습니다. 단, 이 수치는 데이터가 준비된 조직의 사례로 봐야 합니다. 데이터 구조화와 거버넌스가 먼저 갖춰져야 합니다.
추가 정리
핵심 요약
Knowledge Graph 학습은 개념 정의, triple 모델링, schema 설계, graph query, GraphRAG 순서로 진행하면 됩니다. 처음부터 대규모 그래프를 만들기보다 작은 도메인으로 시작하는 것이 좋습니다.
보충 해설
가장 좋은 출발점은 이미 존재하는 DB schema나 업무 문서입니다. 테이블, 컬럼, 문서 제목, 사람, 조직, 제품, 사건 같은 엔티티를 뽑고 관계를 정의하면 작은 지식 그래프를 만들 수 있습니다. 이후 검색과 RAG에 연결하며 효과를 확인합니다.