지식 그래프 연구 지형도 A Research Landscape of Knowledge Graphs in Data-Systems Venues

지식 그래프(Knowledge Graph, KG)는 개체(entity)를 노드로, 개체 간 의미 관계(relation)를 방향성 있는 간선으로 표현하고, 각 사실을 최소한 (head, relation, tail) 삼중항(triple)으로 부호화한 구조화 지식 표현이다. 데이터베이스 관점에서 KG는 스키마 유연성(반정형)과 그래프 위상(topology)을 동시에 갖는 속성 그래프(property graph) 또는 RDF/RDF-star 그래프로 구현되며, SIGMOD/VLDB 커뮤니티는 이를 ‘질의 가능하고, 갱신 가능하며, 대규모로 저장·색인되는 데이터 자산’으로 다룬다.

2025년 이후 정의의 무게중심은 두 방향으로 확장된다. 첫째, 하이퍼관계형(hyper-relational) KG — 삼중항에 퀄리파이어(qualifier)를 부착해 (h, r, t, {q:v})로 맥락(시점·출처·조건)을 담는 형태 — 가 표준적 대상으로 편입된다. 둘째, KG가 LLM의 외부 기억(grounding substrate)으로 재정의되면서, ‘질의 대상 데이터’에서 ‘추론을 접지하는 검증 가능한 지식층’으로 의미가 확장된다.

데이터베이스 학계가 다루는 KG 문제는 대체로 다음 형식화로 수렴한다.

• (a) 질의 응답/평가. 그래프 G와 그래프 패턴 질의 Q(정규 경로 질의 RPQ, 연접 질의 CQ, GQL/SPARQL)가 주어질 때 Q(G)를 정확·효율적으로 계산한다. 다중 조인의 조합 폭발과 경로 질의의 이행 폐쇄(transitive closure)가 핵심 난점이다.
• (b) 불완전 KG 위 복합 질의(CQA). 관측 그래프가 열린 세계(open-world) 가정 하에 불완전할 때, 존재 1차 논리(∃-FOL) 질의의 답 집합을 신경-기호적으로 근사한다.
• (c) 구축·정제. 비정형·반정형 소스에서 개체 해소(entity resolution), 관계 추출, 스키마 정합(schema matching)을 거쳐 고품질 KG를 생성·유지한다.
• (d) 동적·시간적 유지. 버전화된 그래프에서 삽입/삭제 스트림에 대해 색인(도달성·임베딩)을 증분적으로 갱신한다. 시간적 도달성 색인 계열이 이 범주에 위치한다.

속성 그래프 vs. RDFproperty graph / RDF

전자는 노드·간선에 키-값 속성을 부여하고(Neo4j·GQL 계열), 후자는 삼중항과 온톨로지(RDFS/OWL, SPARQL)를 결합한다. 2024년 ISO GQL 표준화로 두 모델의 상호운용이 실무 쟁점이 된다.

Worst-Case Optimal JoinWCOJ / Free Join

순환·조밀 그래프 패턴에서 이진 조인의 중간 결과 폭발을 회피하는 이론적 최적 조인이다. Free Join 등은 WCOJ와 전통 조인 계획을 통합한다.

KG 임베딩TransE / RotatE / StarE

삼중항을 연속 벡터로 사상해 완성·검색에 활용한다. 하이퍼관계형용 StarE는 순환 상관(circular correlation)으로 퀄리파이어를 부호화한다.

GraphRAGretrieval grounding

KG의 커뮤니티 구조(Leiden 등)와 경로를 검색 근거로 사용해 LLM 생성을 접지하는 패러다임이다.

하이퍼관계형 퀄리파이어HINGE 계열

HINGE(Rosso et al., WWW 2020)가 퀄리파이어-인지 부호화의 기준선을 형성한다.

지난 몇 년간 KG 연구의 서사는 ‘저장·질의’ 중심에서 ‘추론의 접지·검증’ 중심으로 이동한다. 그 전환점은 대규모 언어모델의 부상이다. LLM은 유창하지만 사실성이 취약하고, KG는 사실적이지만 표현이 경직되어 있다.

동기는 세 겹으로 쌓인다.

• 정확성 압력. 헬스케어·금융·과학처럼 오답 비용이 큰 도메인에서 LLM 단독 배치는 불가하며, 검증 가능한 지식층이 요구된다.
• 표준화 성숙. ISO/IEC 39075 GQL(2024) 제정으로 그래프 질의가 SQL에 준하는 산업 표준 지위를 얻어 시스템 연구의 토대가 마련된다.
• 규모의 경제. 벡터 검색 인프라(HNSW 등)와 그래프 시스템이 융합되며, 밀집 벡터와 그래프 구조를 결합하는 하이브리드 검색이 현실적 배포 대상이 된다.

배경 기술로는 LDBC SNB 벤치마크, DuckPGQ·Kùzu 같은 경량 임베디드 그래프 엔진, 샘플링·분할 기반 GNN 학습 시스템이 축적되어 있다.

1. 확장성-정확성 절충. 조밀·순환 패턴의 WCOJ, 경로 질의의 폐쇄 계산이 여전히 병목이다.
2. 불완전성·잡음. 열린 세계 하의 결측 사실을 추론이 오히려 증폭시키는 위험이 있다.
3. 동적 유지 비용. 임베딩·색인의 증분 갱신이 전면 재구축보다 반드시 유리하지는 않다.
4. LLM 접지의 검증가능성. GraphRAG가 인용한 경로가 실제로 답을 지지하는지 보장·감사(auditing)해야 한다.
5. 개체 해소의 신뢰성. LLM 기반 개체 매칭에는 환각·비용·재현성 문제가 따른다.
6. 하이퍼관계형 질의 최적화. 퀄리파이어 도입이 질의 계획 공간을 급격히 키운다.
7. 분포 이탈(OOD) 견고성. 텍스트 지름길(lexical shortcut) 의존은 IID에서 포화되나 OOD에서 붕괴한다.

• KG 구조 신호를 검색 근거로 쓸 때, 언제 그것이 순수 텍스트 검색보다 이득을 주는가. 항상 켜는 재순위화(always-on reranking)는 유해할 수 있는가.
• 하이퍼관계형 퀄리파이어를 질의 처리에서 1급으로 다루는 대수(algebra)와 최적기는 어떻게 설계되는가.
• 불완전 KG 위 복합 질의에서 신경 근사의 오차 한계(regret/bound)를 형식적으로 보장할 수 있는가.
• 버전화 그래프에서 증분 유지가 재구축을 이기는 조건(그래프 밀도·인코더 비용)의 경계는 무엇인가.
• LLM 접지의 근거 경로를 감사 가능한 증거 번들(evidence bundle)로 정형화할 수 있는가.

• 그래프 질의 처리 계열. WCOJ·Free Join 기반 조인, SQL/PGQ·GQL 실행 엔진(DuckPGQ·Kùzu), RPQ 최적화 등 대수적·비용기반 접근이다.
• 학습 표현 계열. 확장형 KGE 학습 시스템, 하이퍼관계형 StarE, 대조 학습(contrastive) 기반 다중 관점 표현을 포함한다.
• 신경-기호 CQA. 박스·베타·원뿔 임베딩으로 ∃-FOL 질의를 연속 공간에서 응답한다.
• LLM×KG 계열. (i) KG→LLM: GraphRAG(계층적 커뮤니티 요약)와 경로-근거 검색, (ii) LLM→KG: LLM 기반 관계 추출·개체 매칭으로 KG 구축, (iii) 자연어→그래프 질의(text-to-GQL/Cypher).
• 하이브리드 검색. 밀집 벡터 색인과 그래프 이웃 확장을 결합한 다단계 검색(Macro→Meso→Micro 라우팅)이다.

과학적 발견(신약 hit 선별·바이오활성 KG), 헬스케어 의사결정 접지, 금융·통신 사기 탐지(보이스피싱 등), 엔터프라이즈 지식 검색, 추천·질의 응답, 규제 준수·감사가 필요한 도메인이 대표적이다. 공통 요구는 ‘생성의 사실성을 그래프 근거로 감사할 수 있어야 한다’는 것이다.

• 증분 KG 유지의 이론적 경계 — 어떤 그래프·인코더 조합에서 증분이 반드시 유리한가 — 의 완결.
• 하이퍼관계형 그래프에 대한 완전한 질의 대수와 표준화된 비용 모형의 부재.
• GraphRAG 근거의 형식적 완전성·건전성 보장 — 인용 경로가 답을 필요·충분하게 지지하는가.
• OOD 견고성의 원리적 처방 — 구조 신호가 텍스트 지름길을 얼마나, 왜 보완하는가에 대한 이론.
• 대규모 KG 임베딩의 지속적·온라인 갱신과 파국적 망각 회피.

향후 KG 연구는 세 축으로 진화할 것으로 전망된다.

1. 검증 가능한 접지. 근거 경로를 증거 번들·증명(witness)으로 정형화해 감사 가능성을 시스템 수준에서 보장한다.
2. 통합 하이퍼관계형 스택. 퀄리파이어를 1급으로 다루는 저장·색인·질의 최적화·표현학습을 수직 통합한다.
3. 동적·멀티 에이전트 지식 시스템. 시간적 도달성·증분 유지와 비용기반 멀티 에이전트 분해를 결합해, ‘질의당 최적 계획’을 스스로 선택하는 자기적응 지식 인프라를 지향한다.