Knowledge Graph 개인 학습 로드맵
Knowledge Graph를 처음 만들 때는 거대한 ontology부터 설계하지 않는 편이 좋다. 이미 있는 DB schema나 업무 문서에서 entity와 relation을 뽑고, 작은 graph로 효과를 확인하는 순서가 더 현실적이다.
실전: 어디서부터 시작할까
온톨로지를 처음 만드는 사람을 위한 단계별 접근이다.
DB 스키마에서 시작하라
연구에 따르면, DB 스키마에서 온톨로지를 추출하면 텍스트에서 추출한 것과 성능이 비슷하면서 비용은 훨씬 낮다. DDL(테이블 정의)을 LLM에게 주면 클래스, 속성, 관계를 자동 추출할 수 있다. 이미 있는 데이터의 구조를 활용하라.
작게 시작하라
노드 타입 3~7개, 관계 타입 5~15개로 시작. 50개 클래스의 완벽한 온톨로지보다 5개 클래스의 정확한 온톨로지가 낫다. 필요에 따라 점진적으로 확장.
하이브리드로 가라
벡터 검색을 버리고 그래프로 갈 필요 없다. 80%의 쿼리는 벡터 검색으로 충분하다. 복잡한 관계 추론이 필요한 15%에 그래프를 쓰고, 나머지는 벡터에 맡겨라.
엔티티 해소(Entity Resolution)에 투자하라
초기 GraphRAG 구현에서 가장 큰 문제: “John Doe, 45” vs “John Doe, age 45”, “Type 2 Diabetes” vs “T2D”. 같은 엔티티를 다른 이름으로 인식하면 그래프가 무너진다. 동의어 사전과 정규화가 핵심.
ROI 참고 사례에서는 지식 그래프 도입 조직이 300~320% ROI를 달성한 것으로 정리되어 있다. 단, 이 수치는 데이터가 준비된 조직의 사례로 봐야 한다. 데이터 구조화와 거버넌스가 먼저 갖춰져야 한다.
추가 정리
핵심 요약
Knowledge Graph 학습은 개념 정의, triple 모델링, schema 설계, graph query, GraphRAG 순서로 진행하면 된다. 처음부터 대규모 그래프를 만들기보다 작은 도메인으로 시작하는 것이 좋다.
보충 해설
가장 좋은 출발점은 이미 존재하는 DB schema나 업무 문서다. 테이블, 컬럼, 문서 제목, 사람, 조직, 제품, 사건 같은 엔티티를 뽑고 관계를 정의하면 작은 지식 그래프를 만들 수 있다. 이후 검색과 RAG에 연결하며 효과를 확인한다.