지식 그래프
지식 그래프(knowledge graph)는 정보를 이름 붙은 관계로 연결된 개체(사람, 제품, 장소, 개념)로 저장해, 소프트웨어가 느슨한 텍스트를 뒤지는 대신 사실 사이의 연결을 따라갈 수 있게 합니다.
다른 이름: KG
작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식
지식 그래프에서 "Acme Corp", "Jane Doe", "Berlin"은 노드이고, 엣지는 이들이 어떻게 관련되는지 말합니다. Jane Doe는 Acme Corp에서 일하고, Acme Corp는 Berlin에 있습니다. 사실은 흔히 주어, 관계, 목적어의 트리플로 씁니다. Neo4j 같은 그래프 데이터베이스와 RDF, SPARQL 같은 표준이 이를 저장하고 질의하는 흔한 방법입니다.
AI에서 중요한 이유
벡터 검색은 질문과 비슷하게 들리는 구절을 찾습니다. "베를린 사무소의 공급업체 중 경쟁사에도 납품하는 곳은?"처럼 여러 단계를 건너야 하는 질문에는 약합니다. 그래프는 엣지를 따라가 이에 답할 수 있습니다. 그래프는 모델이 답을 그라운딩할 깔끔하고 구조화된 사실도 주므로, 환각을 줄일 수 있습니다.
만드는 방법
정리된 그래프는 손으로 또는 구조화된 데이터로 만듭니다. 더 새로운 방식은 LLM으로 문서에서 개체와 관계를 자동으로 뽑아내며, 이것이 GraphRAG의 첫 단계입니다. 추출 오류와 중복 개체("IBM"과 "International Business Machines")가 흔한 문제입니다.
지식 그래프와 지식 베이스
지식 베이스는 시스템이 활용할 수 있는 정보의 모음 전반을 말합니다. 지식 그래프는 개체 사이에 명시적인 연결을 두어 그것을 구조화하는 한 가지 방법입니다.
지식 그래프 가이드에서 도구를 비교하며, 에이전트 메모리 시스템도 점점 더 사실을 그래프로 저장합니다.
관련 용어
- GraphRAG
- GraphRAG는 LLM이 먼저 문서 컬렉션에서 지식 그래프를 만들고 관련된 개체 묶음의 요약을 쓴 뒤, 그 요약과 그래프 연결을 이용해 질문에 답하는 검색 방식입니다.
- 지식 베이스(AI)
- AI 앱에서 지식 베이스(knowledge base)는 어시스턴트나 에이전트가 질문에 답하려고 검색하는 문서와 데이터의 모음으로, 도움말 문서, 정책, 제품 문서 등이 있으며 모델 자체와는 따로 관리됩니다.
- 검색 증강 생성(Retrieval-augmented generation)
- 검색 증강 생성(retrieval-augmented generation, RAG)은 시스템이 먼저 문서 모음에서 질문과 관련된 구절을 검색한 뒤, 그 구절을 언어 모델에 주어 답변이 이를 바탕으로 하게 하는 패턴입니다.
- 에이전트 메모리
- 에이전트 메모리(agent memory)는 사용자에 관한 사실이나 과거 작업처럼 AI 에이전트가 하나의 컨텍스트 윈도를 넘어서는 정보를 유지하게 해 주는 기법들입니다. 정보를 모델 밖에 저장했다가 필요할 때 다시 불러옵니다.
- 그라운딩
- 그라운딩(grounding)은 언어 모델의 답을 검색 결과, 문서, 데이터베이스 같은 구체적이고 확인 가능한 출처에 묶어, 그 주장이 학습 데이터만이 아니라 제공된 근거에 기반하게 하는 것입니다.