IT › 데이터 › 검색

지식 그래프 · 시맨틱 웹Knowledge Graph and Semantic Web

기계가 데이터의 뜻을 읽고 관계를 따라 답하게 하는 다섯 토픽(택소노미 · 시소러스, 온톨로지, RDF · SPARQL, 시맨틱 웹, 지식 그래프)을 엮은 것이다. 낱말을 맞추고 뜻을 정하고 트리플로 적어 묻고, 조직 밖 데이터와 잇는 순서로 읽는다.

1요약

  1. 지식 그래프 · 시맨틱 웹은 검색에서 기계가 읽는 뜻을 맡는 다섯 토픽을 엮는다 — 낱말을 맞추는 SKOS(2009), 뜻을 정하는 OWL 2(2012), 데이터 형식 RDF 1.1(2014)과 질의어 SPARQL 1.1(2013), 조직 밖으로 잇는 Linked Data 원칙(2006), 그 위에 쌓인 지식 그래프다.
  2. 낱말만 맞추는 검색은 다른 이름으로 적힌 같은 대상을 놓친다 — 이 문서 사례에서 「머신러닝」 낱말 일치는 0권, 시소러스 별칭과 상하 경로를 거치면 2권이 나온다(직접 실행).
  3. 「그래프를 만들었는데 답이 빈다」는 어느 단계가 비었나로 가른다 — 동의어를 못 찾으면 어휘, 상위 개념으로 물을 때 빠지면 뜻 · 경로, 다른 기관 데이터와 안 이어지면 식별(IRI)이다.

2등장 배경

1990년대 웹 문서는 사람이 읽는 HTML 이어서, 프로그램은 화면의 「1931」이 설립 연도인지 전화번호 일부인지 알 수 없었다. 도서관은 오래전부터 주제명표 · 시소러스로 낱말을 맞췄지만 그 표는 기관마다 따로 있었다.

2001년 Berners-Lee · Hendler · Lassila 는 웹 데이터에 기계가 읽는 뜻을 다는 시맨틱 웹을 제안했다(Berners-Lee 2001). W3C 는 SPARQL 1.1(2013-03) · RDF 1.1(2014-02)로 형식과 질의어를, SKOS(2009-08) · OWL 2(2012-12)로 어휘와 뜻을 정했고, Berners-Lee 는 2006년 「IRI 로 이름 짓기 · HTTP 로 조회 · 표준으로 응답 · 다른 IRI 로 링크」 네 원칙을 냈다(Berners-Lee 2006).

「knowledge graph」라는 말은 1972년부터 문헌에 있었으나, 2012년 한 검색 서비스의 발표 뒤 여러 기업이 잇따라 지식 그래프를 내면서 널리 퍼졌다(Hogan 2021 1절). 지금 RDF 1.2 는 트리플을 다른 트리플의 목적어로 쓰는 triple term 을 더한 후보 권고안 초안(2026-11-13)이고, SPARQL 1.2 는 작업 초안(2026-11-12)이다.

3쉽게 이해하기 — 향토 기록관 연합의 한 줄 카드

향토 기록관 직원이 마을 이야기를 「김 목수 · 지었다 · 정미소」처럼 한 줄 카드에 적고, 사람 · 건물마다 연합 공통 번호를 붙인다. 카드를 쓸 때는 책장의 같은말 사전으로 「방앗간」을 「정미소」로 맞추고, 규칙책으로 「정미소는 건물이다」를 확인한다. 카드는 벽에 실로 이어 관계 지도가 되고, 같은 번호가 붙은 이웃 군 기록관 카드와도 이어진다. 방문객이 질문 양식에 「정미소를 지은 사람이 지은 다른 건물은?」이라고 쓰면 직원이 실을 따라 답한다.

우리 기록관 작업대 1 기록관 직원 작성자 한 줄 카드 RDF 트리플 공통 번호 #M-12 IRI 김 목수 · 지었다 · 정미소 참고 책장 2 분류표 · 같은말 사전 택소노미 · 시소러스 규칙책 온톨로지 방앗간 = 정미소(말) 정미소는 건물(뜻) 벽 관계 지도 3 실로 이은 카드 지식 그래프 방문객 질문 양식 5 SPARQL 질의 정미소 지은 사람의 다른 건물은? 이웃 군 기록관 카드 시맨틱 웹 링크 4 1 직원이 사람 · 건물을 한 줄 카드로 적음 2 책장으로 말을 맞추고 뜻을 확인함 3 카드를 벽에 실로 이음 4 같은 번호면 이웃 기록관 카드와 이음 5 질문 양식대로 실을 따라 답함

그림 1 · 직원은 한 줄 카드만 쓰고, 책장이 말과 뜻을 맞추며, 벽 지도와 공통 번호가 카드를 기관 안팎으로 잇는다.

카드 쓰기누가 · 무엇을 · 누구에게 한 줄
말 맞추기방앗간을 정미소로
뜻 확인정미소는 건물
실로 잇기벽의 관계 지도
이웃과 잇기같은 공통 번호
질문에 답실을 따라 찾기
비유 — 낱말 쪽지와 공통 번호 실제 — SKOS 레이블과 IRI 방앗간 정미소 정미 공장 같은말 사전 — 대표 이름 「정미소」 공통 번호 #M-12 같은 번호를 찾음 이웃 카드 · #M-12 · 1931년 세움 "방앗간"@ko "정미소"@ko "정미 공장"@ko skos:Concept — prefLabel 1 · altLabel 2 IRI ex:M12 IRI 문자열이 같음 다른 기관 그래프 · ex:M12 ex:built "1931" 낱말은 사전이 모으고, 대상은 번호(IRI)가 잇는다 낱말 · 사전 식별(IRI) 이어진 데이터 굵은 테두리 = 대표 이름(prefLabel)

그림 2 · 같은말 사전은 낱말 셋을 대표 이름 하나로 모으고, 그 대상에 붙은 번호(IRI)가 같아야 다른 기관 카드와 이어진다.

비유 속 역할실제 이름실제로 하는 일
한 줄 카드RDF 트리플주어 · 술어 · 목적어 세 요소로 사실 하나를 적는다
연합 공통 번호IRI기관이 달라도 같은 대상을 가리키는 전역 이름
분류표 · 같은말 사전택소노미 · 시소러스상하 분류와 대표 이름 · 별칭을 SKOS 로 적는다
규칙책온톨로지클래스 · 속성 · 공리로 낱말 뒤의 뜻을 정한다
실로 이은 벽 지도지식 그래프개체를 노드, 관계를 간선으로 쌓은 데이터 그래프
질문 양식SPARQL 질의트리플 패턴 · 경로로 그래프를 묻는다
이웃 기록관 카드시맨틱 웹 링크HTTP 로 조회되는 IRI 로 조직 밖 데이터와 잇는다

⚠ 비유가 맞지 않는 곳: 기록관 직원은 카드를 읽고 뜻을 짐작하지만, 기계는 사전 · 규칙책에 적힌 것만 따른다. 또 실제 공통 번호(IRI)는 한 연합이 나눠 주지 않고 각 기관이 자기 도메인 아래에서 스스로 짓는다(Berners-Lee 2006).

4구조 — 다섯 토픽이 나눠 맡는 단계

다섯 토픽은 낱말 → 뜻 → 데이터 → 질의 → 연결 순서로 일을 나눈다. 앞 넷이 한 조직 안에 쌓이면 지식 그래프가 되고, 그 IRI 를 HTTP 로 공개해 다른 조직 데이터와 이으면 시맨틱 웹이 된다(Berners-Lee 2006).

낱말 → 뜻 → 데이터 → 질의, 그리고 조직 밖으로 지식 그래프 — 한 조직이 쌓은 개체 · 관계 데이터 RDF · SPARQL — 형식과 질의어 한 토픽 어휘 택소노미 · 시소러스 상하 · 동의어 SKOS 2009 뜻 온톨로지 클래스 · 공리 RDFS · OWL 2 데이터 RDF 트리플 · IRI RDF 1.1 · 1.2 질의 SPARQL 패턴 · 경로 SPARQL 1.1 개념 IRI 를 뜻 · 데이터에 넘김 추론 결과도 트리플로 쌓임 시맨틱 웹 — 조직 사이 공개 · 연결 원칙 Linked Data 4원칙(2006) IRI 이름 · HTTP 조회 · 표준 응답 · 링크 우리 IRI ex:M12 다른 기관 그래프 같은 IRI · owl:sameAs 어휘 뜻 · 공리 데이터 질의 식별(IRI) 점선 = 지식 그래프 범위

그림 3 · 어휘 · 뜻 · 데이터 · 질의 네 단계가 한 조직 안에서 지식 그래프를 이루고, 같은 IRI 링크가 그 그래프를 조직 밖으로 잇는다.

토픽푸는 문제다루는 단위대표 표준빠지면 생기는 일
택소노미 · 시소러스같은 대상의 여러 낱말 · 상하 분류개념 · 대표 이름 · 별칭SKOS(2009 · 5 · 8절)「머신러닝」으로 「기계 학습」 자료를 못 찾음
온톨로지낱말 뒤의 뜻 · 모순클래스 · 속성 · 공리RDFS · OWL 2(2012)상위 개념 추론 · 모순 검출이 안 됨
RDF · SPARQL서로 다른 데이터를 한 형식으로 적고 묻기트리플 · IRI · 패턴RDF 1.1(2014) · SPARQL 1.1(2013)기관마다 형식이 달라 합칠 때마다 변환
시맨틱 웹조직 밖 데이터와 잇기HTTP IRI · 링크Linked Data 4원칙(2006)그래프가 조직 안에 갇힘
지식 그래프흩어진 사실을 쌓아 질의 · 추천 · 통합에 씀개체 노드 · 관계 간선RDF 또는 속성 그래프(Hogan 2021 2.1절)표준만 있고 쌓인 사실이 없음

🔑 지식 그래프는 «무엇을 쌓았나»(결과물)이고 시맨틱 웹은 «어떻게 공개하고 잇나»(원칙)다 — 같은 RDF 로 만들어도 IRI 가 조직 밖에서 조회되지 않으면 지식 그래프일 뿐 시맨틱 웹의 일부가 아니다.

5동작 — 「머신러닝」 자료를 다섯 토픽으로 찾기

직접 실행 — Python 3.14.0 표준 라이브러리로 트리플 집합과 패턴 매칭을 직접 구현했다 · 이름공간 ex: 와 도서 4권은 설명용 가정 값이다.

  1. 시소러스를 SKOS 10 트리플로 적는다 — 인공지능(ex:AI) · 기계 학습(ex:ML) · 딥러닝(ex:DL) 세 개념, ML 의 별칭 「머신러닝」, ML → AI · DL → ML 의 skos:broader.
  2. 온톨로지 2 트리플을 더한다 — ex:Book rdfs:subClassOf ex:Work, ex:subject rdfs:range skos:Concept.
  3. 목록 데이터 8 트리플을 더한다 — b1(주제 DL) · b2(ML) · b3(AI) · b4(통계) 네 권의 rdf:type 과 ex:subject. 그래프는 20 트리플이다.
  4. 「머신러닝」을 대표 이름(skos:prefLabel)으로만 찾으면 개념이 없어 0권이다.
  5. 별칭(skos:altLabel)까지 찾으면 ex:ML 에 닿고, 주제가 ML 인 b2 1권이 나온다.
  6. 경로 ?c skos:broader* ex:ML(SPARQL 1.1 9.1절 ZeroOrMorePath)로 하위 개념 DL 까지 넓히면 b1 · b2 2권이다.
  7. 다른 기관의 저자 그래프 4 트리플(b1 · b2 의 dct:creator 와 이름)을 같은 IRI 로 합치면 그래프는 24 트리플이 되고, 6단계 결과에 저자가 붙는다.
트리플 수와 질의 결과 — 단계마다 하나씩 더한다 그래프 = 24 트리플 20 1 시소러스 10 2 온톨로지 2 3 목록 8 7 다른 기관 4 질의 「머신러닝」 ex:AI ex:ML ex:DL 결과 4 대표 이름만 일치 0권 5 + 별칭(altLabel) ML 1권 · b2 6 + 하위 경로(broader*) ML DL 2권 · b1 · b2 7 + 다른 기관 그래프 ML DL 2권 + 저자 질의가 닿은 개념 닿지 않은 개념 SKOS 온톨로지 목록 데이터 굵은 테두리 = 합친 그래프 화살 = skos:broader(DL → ML → AI) · 직접 실행(Python 3.14.0 · 트리플 매칭 직접 구현) · 이름은 설명용 가정 값

그림 4 · 같은 「머신러닝」 질의가 대표 이름 0권 → 별칭 1권 → 하위 경로 2권으로 늘고, 다른 기관 그래프 4 트리플이 합쳐져 저자까지 붙는다.

표로 합칠 때 그래프로 합칠 때 book 표 — id · subject b1 · DL b2 · ML b3 · AI b4 · Stat 다른 기관 자료 — 저자 · 이름 creator 열 · person 표 추가 표 설계 변경 → 다시 적재 ex:b1 ex:DL subject ex:p1 creator "저자 갑" name 20 ∪ 4 = 24 트리플 · 표 설계 변경 0 IRI 노드 기존 데이터 굵은 테두리 · 강조 선 = 합친 트리플 설계 변경 비용

그림 5 · 표는 새 자료가 오면 열 · 표 설계를 바꿔야 하지만, 그래프는 같은 IRI 노드에서 트리플 집합을 합치기만 한다 — 20 + 4 = 24 트리플.

🔑 시소러스는 «낱말»을 잇고 IRI 는 «대상»을 잇는다 — 낱말이 개념 하나로 모이고 그 개념의 IRI 가 같아야 그래프가 다른 기관 데이터와 합쳐진다(RDF 1.1 Concepts 3.2절 IRI 동일성).

6비교 — 정보 검색(IR), 검색 엔진, 벡터 · 의미 검색과의 경계

기술맡는 일답의 근거결과 꼴넘기는 곳
정보 검색(IR)문서 모음에서 적합한 문서 순위낱말 무게(tf · idf · BM25)순위 붙은 문서 목록시스템 구현은 검색 엔진으로
검색 엔진수집 · 색인 · 질의 처리 시스템역색인 · 형태소 분석서비스 응답순위 이론은 정보 검색(IR)으로
벡터 · 의미 검색뜻이 가까운 문서 · 문장 찾기임베딩 거리(근사 최근접 이웃)유사도 순 상위 k 개정확한 관계 질의는 지식 그래프 · 시맨틱 웹으로
지식 그래프 · 시맨틱 웹개체 · 관계 사실을 묻고 잇기트리플 · IRI · 공리패턴에 맞는 해 집합문서 순위는 정보 검색(IR), 뜻 근접은 벡터 · 의미 검색으로

분석「무엇과 관련된 문서」를 찾으면 정보 검색(IR) · 벡터 쪽을, 「누가 · 언제 · 무엇을」처럼 답이 개체 · 관계로 정해지면 지식 그래프 쪽을 고른다. SPARQL 결과는 패턴에 맞는 해 집합이고 ORDER BY 를 쓰지 않으면 순서가 정해지지 않는다(SPARQL 1.1 15.1절).

7실무 진단 — 답이 비거나 이어지지 않을 때

분석어휘 → 경로 → 식별 → 공개 순으로 본다. 앞 단계에서 개념을 못 찾으면 뒤 단계 질의는 모두 0행이 되므로(사례 4단계), 가장 앞 단계부터 행 수를 확인해야 원인 단계가 갈린다.

#증상의심 원인단계확인 명령 · 자료판정 기준(근거)
1다른 이름으로 찾으면 0건별칭 미등록어휘SELECT ?c WHERE { ?c skos:altLabel "머신러닝"@ko }0행이면 altLabel 추가(SKOS 5절)
2한 개념에 대표 이름 둘언어 태그당 prefLabel 중복어휘SELECT ?c (COUNT(?l) AS ?n) WHERE { ?c skos:prefLabel ?l } GROUP BY ?c (LANG(?l)) HAVING (?n > 1)1행이라도 나오면 위반(SKOS S14)
3상위 주제로 물으면 하위 자료 빠짐직접 관계만 질의경로같은 질의를 skos:broader* 경로로 다시 실행행이 늘면 경로 누락 · broader 는 이행 아님(SKOS 8.6.6)
4합쳤는데 노드가 이어지지 않음IRI 글자 차이(http · https · 끝 슬래시)식별두 그래프의 IRI 문자열 대조글자 하나라도 다르면 다른 노드(RDF 1.1 Concepts 3.2절)
5외부 IRI 를 조회해도 데이터 없음HTTP 응답 미제공공개curl -L -H "Accept: text/turtle" <IRI>RDF 가 돌아오지 않으면 3원칙 위반(Berners-Lee 2006)

어휘부터 보는 까닭은 개념 IRI 를 못 찾으면 경로 · 결합 점검이 헛수고이기 때문이다. 어휘 · 경로가 맞는데 다른 기관 데이터만 비면 식별과 공개 단계로 넘어가고, 추론 설정 · 공리 문제는 온톨로지 토픽의 진단으로 넘긴다.

8시험 대비

시험에서는 지식 그래프 · 시맨틱 웹의 개념과 구성 기술을 묻는 정의 · 특징형과, 지식 그래프 · 온톨로지 · 시맨틱 웹의 차이 또는 RDF 와 속성 그래프 모델을 견주는 비교형이 나올 수 있다. 정의형은 그림 3 의 다섯 단계에 토픽과 표준을 얹고, 비교형은 «결과물인가 · 원칙인가» 축에 표현 단위 · 추론 · 공개 범위 행을 둔 표로 쓴다.

답안 목차
  1. 개요 — 정의(기계가 읽는 뜻) · 낱말 검색의 한계 · 2001 시맨틱 웹 → 2006 Linked Data → 2012 Knowledge Graph 확산
  2. 구성 기술 — 그림 3 다섯 단계(어휘 · 뜻 · 데이터 · 질의 · 연결) + 토픽별 표준 표
  3. 처리 흐름 — 그림 4 사례(20 트리플 · 질의 0 → 1 → 2권)
  4. 데이터 통합 원리 — 그림 5 표 설계 변경 ↔ 트리플 합집합(20 + 4 = 24)
  5. 비교 — Knowledge Graph · 온톨로지 · 시맨틱 웹 경계 + RDF ↔ Property Graph
  6. 동향 — RDF 1.2 triple term · SPARQL 1.2 · 벡터 검색 · LLM 근거 결합

꼭 쓸 키워드
트리플IRISKOSOWL 2SPARQL 속성 경로Linked Data속성 그래프triple term열린 연결

다른 답안과 차이를 내는 한 가지는 그림 4 처럼 같은 질의가 0 → 1 → 2권으로 느는 숫자로 다섯 토픽이 각각 무엇을 더하는지 증명하는 것이다.

9오해와 사실

  • 오해시맨틱 웹과 지식 그래프는 같은 말이다.
    사실시맨틱 웹은 IRI · HTTP · 링크로 웹 전체 데이터를 잇는 원칙과 표준 묶음이고(Berners-Lee 2006), 지식 그래프는 개체 · 관계를 쌓은 데이터 그래프로 속성 그래프 모델로도 만든다(Hogan 2021 2.1절).
  • 오해skos:broader 를 적으면 조상 개념까지 자동으로 이어진다.
    사실broader 는 이행 속성이 아니어서(SKOS 8.6.6) 조상까지 가려면 broaderTransitive 를 쓰거나 질의에 * 경로를 붙인다.
  • 오해이름(레이블)이 같으면 같은 노드로 합쳐진다.
    사실노드는 IRI 문자열이 같을 때만 같고(RDF 1.1 Concepts 3.2절), 레이블은 그 노드에 붙은 리터럴 값일 뿐이다.

10핵심 정리

구분맡는 단계사례 값확인 질의 · 도구흔한 실패
택소노미 · 시소러스어휘개념 3 · 별칭 2 · broader 2altLabel 질의별칭 누락 · broader 비이행
온톨로지뜻subClassOf · range 2 트리플추론 전후 행 수공리 오해 → 온톨로지 토픽
RDF데이터 형식20 → 24 트리플IRI 문자열 대조http · https 차이
SPARQL질의0 → 1 → 2권broader* 경로직접 관계만 질의
시맨틱 웹공개 · 연결다른 기관 4 트리플curl 내용 협상조회되지 않는 IRI
지식 그래프결과물도서 · 개념 · 저자 노드노드 · 간선 수쌓인 사실 없이 표준만

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ Knowledge Graphs (ACM Computing Surveys 54(4) 71:1-71:37) — 지식 그래프의 정의와 RDF · 속성 그래프 같은 데이터 모델을 견줄 때
    A. Hogan 외 · ACM · 2021-07 · arxiv.org/abs/2003.02320 · 확인 2026-11-14
  3. ★ Linked Data - Design Issues (Tim Berners-Lee) — IRI 이름 · HTTP 조회 · 표준 응답 · 링크의 네 원칙을 볼 때
    W3C · 2006-07 · www.w3.org/DesignIssues/LinkedData.html · 확인 2026-11-14
  4. ★ SKOS Simple Knowledge Organization System Reference — prefLabel · altLabel · broader 로 시소러스를 RDF 로 적는 법을 볼 때
    W3C · 2009-08 · www.w3.org/TR/skos-reference/ · 확인 2026-11-14
  5. ★ RDF 1.1 Concepts and Abstract Syntax — 트리플 · 그래프 · IRI 가 같다는 기준을 볼 때
    W3C · 2014-02 · www.w3.org/TR/rdf11-concepts/ · 확인 2026-11-14
  6. 본문 근거
  7. SPARQL 1.1 Query Language — W3C · 2013-03 · www.w3.org/TR/sparql11-query/ · 확인 2026-11-14
  8. RDF 1.1 Semantics — W3C · 2014-02 · www.w3.org/TR/rdf11-mt/ · 확인 2026-11-14
  9. OWL 2 Web Ontology Language Document Overview (Second Edition) — W3C · 2012-12 · www.w3.org/TR/owl2-overview/ · 확인 2026-11-14
  10. RDF 1.2 Concepts and Abstract Syntax (Candidate Recommendation Draft 13 November 2026) — W3C · 2026-11 · www.w3.org/TR/rdf12-concepts/ · 확인 2026-11-14
  11. SPARQL 1.2 Query Language (Working Draft 12 November 2026) — W3C · 2026-11 · www.w3.org/TR/sparql12-query/ · 확인 2026-11-14
  12. The Semantic Web (Scientific American 284(5)) — T. Berners-Lee · J. Hendler · O. Lassila · Scientific American · 2001-05 · www.scientificamerican.com/article/the-semantic-web/ · 확인 2026-11-14
  13. Python 3.14 documentation — Python Software Foundation · 2026-11 · docs.python.org/3.14/ · 확인 2026-11-14