# 지식 그래프(Knowledge Graph)란 무엇인가
지식 그래프는 **사물(엔티티)과 그들 사이의 관계를 그래프 구조로 표현한 지식 표현 방식**이다.
사람, 조직, 개념, 장소, 물질, 질병 같은 다양한 개체를 노드(node)로 표현하고, 이들 사이의 의미 있는 관계를 엣지(edge)로 연결한다.
예를 들어:
```
(아스피린) —[치료한다]→ (두통)
(아스피린) —[성분]→ (아세틸살리실산)
```
이처럼 데이터에 **의미(semantic)**를 부여하는 것이 지식 그래프의 핵심이다.
---
## 왜 지식 그래프가 필요한가?
기존 데이터베이스는 데이터를 "저장"하는 데는 강하지만,
**데이터 간의 의미와 맥락을 이해**하는 데에는 한계가 있다.
지식 그래프는 다음과 같은 문제를 해결한다.
### 1. 복잡한 관계 표현
- 다대다 관계
- 계층 구조
- 의미 기반 연결 가능
### 2. 추론(Reasoning) 가능
- 명시되지 않은 관계를 추론 가능
- 예:
`A는 B의 하위개념`, `B는 C의 일부` → `A는 C에 속한다` 추론
### 3. 데이터 통합
- 서로 다른 출처의 데이터를 하나의 의미 체계로 통합 가능
---
## 지식 그래프의 구성 요소
### 1. 엔티티(Entity)
- 사람, 단백질, 약물, 회사, 논문 등 모든 객체
### 2. 관계(Relation)
- "소속", "치료", "발현", "영향" 등 의미 있는 연결
### 3. 속성(Property)
- 엔티티의 특징
- 예:
`(환자) — 나이: 63, 성별: 남`
### 4. 트리플(Triple)
지식 그래프는 기본적으로 다음 형식을 가진다.
```
<주어, 관계, 목적어>
```
예:
```
<암, 관련있다, 유전자>
<PIK3CA, 변이, 활성화>
```
---
## 지식 그래프와 일반 그래프의 차이
|구분|일반 그래프|지식 그래프|
|---|---|---|
|목적|구조적 연결|의미 기반 표현|
|엣지 의미|단순 연결|명시적 의미|
|추론|불가능|가능|
|데이터 통합|어려움|쉬움|
---
## 실제 활용 사례
### 검색 엔진
- Google Knowledge Graph
- 검색 결과에 사람, 회사, 영화 정보 자동 표시
### 의료
- 질병–유전자–약물 관계 모델링
- 신규 약물 타겟 발굴
- 임상 의사 결정 지원
### 추천 시스템
- "이 책을 읽은 사람은..."
- 지식 기반 추천
### 챗봇 & AI 비서
- 질문의 맥락 이해
- 논리적 응답 생성
### 바이오/의약 분야
- 단백질 상호작용 네트워크
- 질병 경로(Pathway) 모델링
- 유전체 기반 치료 전략 설계
---
## 지식 그래프 구축 방법
### 1단계: 데이터 수집
- 논문, DB, API, CSV, EHR, 실험 데이터 등
### 2단계: 정규화 / 온톨로지 설계
- 용어 통일
- 관계 정의
- 개념 계층 설계 (is-a, part-of 등)
### 3단계: 그래프 모델링
- RDF
- Property Graph (Neo4j 등)
### 4단계: 저장
- Triple Store (Virtuoso, Blazegraph)
- Graph DB (Neo4j, Amazon Neptune)
### 5단계: 추론 엔진 연결
- Rule-based reasoning
- OWL, SPARQL, SHACL
---
## 기술 스택 예시
### 데이터 모델
- RDF, TTL, OWL
### 질의 언어
- SPARQL
- Cypher
### DB
- Neo4j
- Amazon Neptune
- GraphDB
### 도구
- Protégé (온톨로지 설계)
- Apache Jena
- Stardog
---
## AI와 지식 그래프의 결합
### LLM + Knowledge Graph = 지식기반 AI
LLM은 “언어”를 잘 다루지만,
지식 그래프는 “사실”과 “관계 구조”를 담당한다.
결합 예시 구조:
```
질문 → LLM → 그래프 질의 변환 → Knowledge Graph → 결과 반환 → LLM 요약
```
이 방식은 다음을 가능하게 한다.
- Hallucination 감소
- 출처 기반 응답
- 도메인 특화 AI 구현
---
## 요약
지식 그래프는 단순한 데이터 구조를 넘어서,
> **AI가 이해할 수 있는 세계 모델**이다.
특히 다음과 같은 분야에서 핵심 기술이 되고 있다.
- 의료
- 금융
- 제조
- 검색
- 추천
- 과학 연구
앞으로의 AI는 더 이상 **큰 언어 모델만으로 완성되지 않는다.**
**지식 그래프는 AI의 두뇌 지도 역할을 수행**하게 된다.
---