일반적인 데이터베이스와 지식베이스의 차이
지식그래프(Knowledge Graph)는 사람이 기억으로 생성하고 활용하는 지식 정보를 좀 더 정확하게 관리하고, 많은 양의 지식 탐색을 위한 기법으로, 정보를 저장하는 지식베이스(Knowledge Base)와 네트워크 구조로 분석할 수 있도록 표현하는 그래프(Graph)를 합친 단어입니다.
지식베이스란 도메인 정보와 특정 분야의 전문가들이 축적한 전문 지식과 문제 해결을 위한 자료 등을 축적해 놓은 지식창고, 즉 데이터베이스입니다. 지식베이스란 용어는 일반적인 데이터베이스라는 용어와 구별하기 위해서 만들어졌습니다. 1970년대에 거의 모든 정보 관리 시스템은 데이터를 관계형 데이터베이스 시스템(RDBMS)에 저장했기 때문입니다.
지식베이스와 일반적인 데이터베이스의 목적 또한 다릅니다. 지식베이스는 세상에 존재하는 진실을 또는 거짓을 구분하기 위해 추론하는 시스템이며, 데이터베이스는 각각의 생명체 또는 물체에 대한 정보를 나타내는 수천 개의 정보를 저장합니다.
예를 들어 ‘모든 인간은 썩은 음식을 먹으면 장염이 걸린다’라고 추론하는 것이 지식베이스의 영역이고, 인간의 이름, 나이, 성별, 주소 등을 나타내는 것은 데이터베이스의 영역으로 이해할 수 있습니다.
그래프 적용의 의미
지식그래프는 지식베이스에 축적한 다양한 지식을 점(노드)과 선(엣지) 관계로 구현한 그래프 모델입니다.
지식그래프는 그래프 데이터 모델 또는 토폴로지(topology)를 사용하여 데이터를 통합하는 기술입니다. 시맨틱 정보를 노드와 엣지의 연결로 구성해 다양한 종류의 데이터를 지식그래프의 형태로 변환, 축적, 추출하여 지식을 빠르게 탐색하는 기술입니다. 각각의 관계에 의미 정보를 부여하고, 기존의 지식으로부터 새로운 지식을 발견해내 지식을 확장하는 것이 지식그래프가 데이터를 활용하는 방법입니다.
지식그래프, 어디에 사용되나?
구글이 개별적 지식뿐 아닌 다양한 소스로부터 축적하고 통합 과정을 통해 서로의 콘텐츠를 연결하는 독자적인 지식 베이스인 ‘지식그래프’라는 걸 선보이며, 지식그래프의 활용성을 제대로 입증하기 시작했습니다.
지식그래프는 인공지능의 지능을 향상시키기 위해 활용되는 대표적인 방법이자 머신러닝/딥러닝 및 클라우드 컴퓨팅 등 다양한 기술과의 조합이 필수인 지능형 서비스에 폭넓게 사용되고 있습니다.
흔히 알려진 설명 가능한 인공지능(Explainable AI, XAI)은 지식그래프가 설명 모델이 되어 결과에 대한 설명을 제공합니다. 사용자는 결과를 분석하는 것이 아닌, 지식그래프가 제공하는 모델을 참고하여 전체적인 과정을 이해하고, 결과에 대한 신뢰를 쌓게 됩니다.
그 외 지식그래프는 지능형 콘텐츠 및 서비스에 사용되며, 신약 개발 시 약물 검색과 조합 분석, 투자 시장 인텔리전스, 규제 및 정책에 대한 정보 검색, 예금상품의 복잡한 관계 지식화 등과 같은 여러 데이터 및 정보 서비스에 사용된 바 있습니다.
지식그래프, 인텔리전스 그래프(Intelligence Graph)로 고도화하라
지식그래프는 이미 오래전부터 알려진 기술이지만, 이때는 테이블 또는 RDF (Resource Framework Description) 형태로 나타나는 표면적인 정보만을 제공했었습니다. 하지만 요즘 지식그래프의 요구사항은 A와 B에 대한 정보를 보여주는 단순 정보(information)를 넘어, A와 B의 지식이 발달하면서 생기는 C의 의미와 그 전체적인 관계를 설명할 수 있는 지능(intelligence)이 요구되고 있습니다.
지식그래프는 수많은 정제된 데이터 속에서 숨겨진 연결 관계를 찾아내는 특성이 있어, 현대에 요구되는 메타데이터를 만들어냅니다. 검색 엔진에서 찾는 일반적인 정보가 아니라, 지능형 분석(예: 정형 및 비정형 데이터 분석, 인공지능 추론 등)과 업무 자동화 서비스에 지식그래프와 인공지능 기술을 활용하는 것이 거의 표준이 되었을 정도죠.
현재 지식그래프를 찾는 사용자들은 정제된 데이터를 가지고 이를 활용하여 새롭고 직관적인 인사이트를 뽑고자 고민하고 있습니다. 지식그래프에 사용되는 그래프 DB는 새로운 과제를 성취하기 위한 사전 지식과 경험을 적용할 수 있는 능력인 인텔리전스를 실현합니다. 지식그래프 기술을 고도화한 ‘인텔리전스’를 통해 의사결정에 도움 되는 필요한 정보를 수집할 수 있습니다.
지식그래프가 활용되는 사례를 확인해보세요!
그래프 DB로 구축한 인력 매칭 시스템
그래프 DB 특징 소개 그래프 데이터베이스는 데이터 수집, 모델링, 분석, 신규 데이터 입력, 연결 관계 처리 영역에서 많은 장점이 있다. 일반적으로 Excel과 같은 집합 데이터를 처리하는 정형화
bitnine.tistory.com
지식 그래프로 구현하는 에듀테크의 미래, 맞춤형 AI 교육 솔루션
코로나로 인해 각광받는 온라인 교육 요즘 교육계의 핫이슈는 코로나바이러스로 인해 학교 개강이 연기되면서 학생의 학습 공백이 발생하였고 급기야 수능마저 연기된 상황입니다. 현재 상황
bitnine.tistory.com
트렌디한 그래프 기술과 IT 소식을 뉴스레터로 받아보세요!
https://bitnine.net/ko/subscribe/
제품 및 기술문의
070-4800-3517 | agens@bitnine.net
'USE CASES > 사례 연구' 카테고리의 다른 글
| 그래프 기술로 보행흐름 예측 분석하기 - Part. 2 (0) | 2022.11.28 |
|---|---|
| 그래프 기술로 보행흐름 예측 분석하기 - Part. 1 (0) | 2022.11.07 |
| 메타버스와 그래프 DB (0) | 2021.12.16 |
| 그래프 FDS로 금융 계좌 사기 적발하는 방법 (0) | 2021.09.14 |
| 그래프 모델링으로 예지정비시스템 구현하기 (0) | 2021.08.30 |