메타로의 여정: GraphRAG, 벡터, 그리고 Knowledge Graph 마무리

Going Meta 라이브 스트리밍 시리즈의 27개 에피소드에서는헤수스 바라사님이 semantics, 온톨로지, Knowledge Graph의 다양한 측면을 탐구했어요.

자, 이제 Going Meta 시즌 1을 마무리할 시간이에요.

정말 엄청난 성공이었죠! 매달 함께 해주신 여러분께 진심으로 감사드려요! Going Meta의 27개 에피소드가 모두 담긴 YouTube 재생 목록은 여기에서 확인하실 수 있어요.

이 글을 쓰고 있는 지금, YouTube 총 조회수는 79,000회를 훌쩍 넘었고, GitHub 저장소도 인기가 많았는데요. 여기에는 각 에피소드와 관련된 모든 자료(코드, 쿼리, 데이터 세트, 온톨로지, 노트북 등)가 모여 있답니다.

이제 새로운 시즌을 시작할 때가 된 것 같아요. 이전 시즌의 핵심 주제에서 완전히 벗어나진 않겠지만, GraphRAG와 Knowledge Graph에 좀 더 집중해보려고 해요.

시즌 1에서는 Graph Database, semantics, 온톨로지의 몇 가지 기본 원칙을 다뤘어요. 특히 Knowledge Graph를 깊이 있게 조사하면서 그 안에 숨겨진 무한한 가능성을 발견했고, 인공지능부터 데이터 관리까지 다양한 분야에 적용할 수 있다는 것을 알게 되었죠.

에피소드 20은 이미 그동안 다뤘던 내용을 요약하는 역할을 했는데요. 첫 번째 에피소드에서는 데이터 엔지니어링, 지식 관리, 개발자/데이터 통합, 고급 semantics라는 몇 가지 주제를 다루기도 했어요.

저희 웹사이트에서 모든 내용을 읽고 시청하실 수 있어요. 도 준비되어 있답니다. 이 글에서는 Going Meta 첫 번째 시즌을 마무리하는 추가 7개의 에피소드를 다룰 거예요.

Going Meta 20개 에피소드 요약

에피소드 21-27: GenAI, RAG 및 Knowledge Graph

21화부터는 AI 트렌드를 따라갔어요. 에피소드 전반에 걸쳐 다양한 주제를 섞는 대신, Knowledge Graph를 사용해서 GenAI 및 (Graph)RAG에 집중했죠. 각 에피소드에서는 새로운 측면을 다루고, Knowledge Graph와 온톨로지가 데이터 작업의 새로운 방식에 특히 어떻게 유용한지 보여줄 거예요.

(Graph)RAG

Retrieval-Augmented Generation은 2023년 말에 떠오르는 주제였으니, 자세히 살펴보는 건 당연하겠죠? 특히 Large Language Model(LLM)과 결합해서 Knowledge Graph 및 온톨로지를 통해 GenAI 결과를 더 정확하고, 상황에 맞게, 이해하기 쉽게 만드는 방법을 탐구했어요.

RAG 패턴이 어떻게 LLM의 창의력/환각 문제를 해결하고, 데이터 세트에서 AI 에이전트가 지원하는 그래프 모델로 이동하는 반사 에이전트를 구축하는 데 도움이 되는지도 살펴봤답니다.

에피소드:

Ep 22 — Knowledge Graph가 포함된 RAG
Ep 23 — Knowledge Graph를 사용한 고급 RAG 패턴
Ep 24 — KG+LLM: 온톨로지 기반 RAG 패턴
Ep 27 — LangGraph로 반사 에이전트 구축

 

도메인별 정보에 대해 벡터와 그래프를 사용하는 접근 방식, 또는 Knowledge Graph와 결합해서 사용하는 접근 방식을 비교해봤어요.

에피소드:

21 — 벡터 기반 Semantic Search 및 그래프 기반 Semantic Search
23 — Knowledge Graph를 사용한 고급 RAG 패턴

 

정확성과 특이성을 높이기 위해 Knowledge Graph와 LLM을 결합하는 경우가 많아서, 이 세그먼트의 모든 에피소드의 거의 일부가 됐죠. LLM을 사용해서 CSV 파일에서 Knowledge Graph를 만드는 방법도 살펴봤어요.

data.world 벤치마크를 자세히 살펴보면, 온톨로지가 포함된 Knowledge Graph가 LLM 결과를 크게 향상시키는 것으로 나타났어요.

에피소드:

Ep 25 — 자동화된 KG 구축을 위한 LLM
Ep 25 — LLM QA에서 KG의 역할에 대한 data.world 벤치마크 추출

시즌 2

하지만 여기서 멈추지 않을 거예요! 시즌 2가 곧 시작될 예정이거든요. 새 시즌을 통해 에피소드 27에서 시작한 작업을 이어가면서, Knowledge Graph와 GraphRAG의 병치 및 다양한 개념을 보여줌으로써 GenAI 지원 애플리케이션을 구축하는 방법에 대해 더 깊이 알아보고 싶어요.

Going Meta – Ep 27: LangGraph를 사용하여 반사 에이전트 구축

이렇게 하면 여러분이 따라가면서 아이디어를 훨씬 더 빠르게 실제 생활로 전환할 수 있는 기회를 얻게 될 거예요.

물론, 의미론과 존재론을 완전히 배제하지는 않을 거고요. 언제나 그렇듯이 여러분의 제안도 기다리고 있어요. 에피소드에 좋을 것 같다고 생각되는 내용이 있으면 핑(YouTube 댓글, Discord 등)을 보내주세요!

Going Meta가 2024년 6월부터 시즌 2 ( 에피소드 1)으로 돌아올 예정이에요. 앞으로의 여정에 계속 함께 해주시면 좋겠어요!

자원

---

• GraphRAG
• Ontology
• RAG
• Semantic Search
• Semantics
• Vector

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지