Graph 기반 LLM(RAG, Agent)을 위한 RDF / LPG / JSON 비교 분석
최근 GraphRAG가 AI 지식 추출의 핵심 기술로 부상하면서, 지식을 어떤 형태로 저장하고 관리해야 하는지에 대한 전략적 선택이 중요해졌다. 내가 공부했던 분야는 RDF 기반의 트리플 구조의 지식그래프와 온톨로지였지만, 최근의 LLM에서 사용되는 그래프는 다양한 구현체이다. RDF, LPG, JSON(-LD)와 같은 구현에 따라 논문이나 시스템의 이해도가 달라질 수 있어 이번 기회에 정리해보았다.1. GraphRAG가 요구하는 그래프의 본질GraphRAG 논문과 Microsoft GraphRAG, NebulaGraph GraphRAG 등의 실제 구현체를 살펴보면 공통적으로 강조하는 지점이 있다. 그것은 그래프가 반드시 엔티티(Node)와 관계(Edge) 구조를 가져야 한다는 것이다.구조적 추론: 무엇..
지식그래프(Knowledge Graph)
2026. 2. 19. 14:30
반응형
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- PostgreSQL
- Claude
- pdfmathtranslate
- vscode
- TextRank
- vertorsearch
- knowlegegraph
- Postgis
- 키워드추출
- pandas
- vectorsearch
- Vue3
- Kafka
- geospy
- hadoop
- polars
- ChatGPT
- LLM
- docker
- AWS
- PEFT
- rdffox
- MongoDB
- 지식그래프
- rdflib
- Encoding
- SPARQL
- python
- graphrag
- knowledgegraph
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
글 보관함