지식 · AI 기초
지식 그래프
Knowledge Graph
📂AI 기초⏱읽기 1분📊실무🔗관련 4
지식 그래프란?
한 줄 정의
개념·사물(노드)과 그들의 관계(선)를 연결해 표현한 지식 네트워크. 검색·추천·AI의 이해를 돕는다.
⚡ 3줄 요약
- 개체와 관계를 잇는 지식 네트워크
- 검색·추천·AI 이해를 도움
- 환각 줄이기에도 활용
지식 그래프는 세상의 지식을 '노드(개체)'와 '엣지(관계)'로 연결한 그물망입니다. 예를 들어 '김종혁'—(대표)—'나눔경영컨설팅'—(제공)—'AI 교육'처럼, 개체들을 관계로 이어 의미를 구조화합니다. 구글 검색이 '~의 CEO는?'에 바로 답하는 것도 지식 그래프 덕분입니다.
단순 데이터 나열과 달리, 관계를 명시해 '연결된 의미'를 다루는 것이 강점입니다. 검색·추천·질의응답의 정확도를 높이고, AI가 사실을 근거 있게 답하도록 돕습니다(그라운딩). 최근엔 LLM과 결합해 환각을 줄이는 데도 활용됩니다(GraphRAG 등). AEO/GEO 관점에서도 구조화된 지식이 중요해지고 있습니다.
💡 쉽게 말하면
인물관계도처럼 '누가-무엇을-어떻게' 연결한 지도 — 기계가 의미를 이해하게 돕습니다.
실무에서 왜 중요한가
지식을 '관계'로 연결하면 기계가 의미를 이해하고 정확히 답할 수 있습니다. 검색·AI의 정확도를 높입니다.
유래와 출처
시맨틱 웹 연구에 뿌리를 두며, 2012년 구글이 'Knowledge Graph'를 검색에 도입하며 널리 알려졌습니다.
출처 · Google Knowledge Graph(2012)
사례로 이해하기
예를 들어, 지식 그래프를 구성한다고 해봅시다.
- 개체 — '강사·과정·기업'을 노드로 둡니다.
- 관계 — '가르친다·소속된다'로 잇습니다.
- 구조화 — 연결된 의미망을 만듭니다.
- 활용 — 검색·추천·질의응답에 씁니다.
- 보강 — LLM과 결합해 정확도를 높입니다.
관련 용어
시맨틱 검색글자 일치가 아니라 '의미'로 검색하는 방식. '연차 며칠?'로 물어도 '휴가 규정'을 찾아준다.임베딩 · 벡터 DB글의 '의미'를 숫자 벡터로 바꾼 것이 임베딩, 그 벡터를 저장해 의미가 비슷한 것을 빠르게 찾는 저장소가 벡터 DB. RAG의 핵심 부품.RAG · 검색증강생성AI가 답하기 전에 사내 문서·데이터베이스 등 외부 지식을 먼저 검색해 그 근거 위에서 답을 생성하게 하는 기법.그라운딩 · 근거화AI가 상상으로 답하지 않고 '실제 근거(문서·데이터)에 기반해' 답하도록 연결하는 것. 환각을 줄이는 핵심 원리.
이 용어와 연결된 교육
📚내 데이터로 답하는 AI 만들기 — RAG 입문나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
관계형 DB가 표에 데이터를 담는다면, 지식 그래프는 '개체 간 관계'를 명시해 의미를 구조화합니다.
AI가 사실을 근거 있게 답하도록 돕고(그라운딩), LLM과 결합해 환각을 줄이는 데 활용됩니다.
관계형 DB가 표에 담는다면, 지식 그래프는 '개체 간 관계'를 명시해 의미를 구조화합니다.
AI가 사실을 근거 있게 답하도록 돕고, LLM과 결합해 환각을 줄이는 데 활용됩니다.