지식 그래프(Knowlege Graph)는 개체, 사건 또는 개념과 같은 실체에 대한 상호 연결된 설명 모음을
데이터를 스마트하게 만들기 위해서는 기계가 미리 정의된 데이터 스키마에 얽매이지 않아야 했다. 실제 세계에 얽히고설킨 관계를 나타낼 수 있는 데이터 저장소가 필요해졌고, 이 모든 것은 컴퓨터가 읽을 수 있는 방식으로 수행되어야 했다
데이터의 진정한 힘은 우리의 독점적 지식을 글로벌 지식과 연결시킬 때 진정한 힘이 발휘된다. 이를 가능하게 해주는 것이 KG
KG는 실세계의 객체 및 사건 또는 추상 개념(예를 들면 문서)과 같은 실체에 대한 상호 연결된 설명의 모음을 나타낸다.
설명(Description)은 사람과 컴퓨터 모두 효율적이고 모호하지 않은 방식으로 처리할 수 있는 형식적 의미론(formal semantics)을 가지고 있다.
개체 설명(Entity Description)은 네트워크를 형성하면서 서로 기여하며, 여기서 각 개체는 관련 개체 설명의 일부를 나타내며 이들의 해석에 대한 맥락(context)을 제공한다.
KG는 다음과 같은 여러 데이터 관리 패러다임의 특성을 갖고 있다.
데이터베이스 : 구조화된 쿼리(structured query)를 통해 데이터를 탐색할 수 있다.
그래프 : 네트워크 데이터 구조로 분석될 수 있다.
지식 베이스(Knowledge base) : 데이터를 해석하고 새로운 사실을 추론하는 데 사용할 수 있는 형식적 의미론을 포함한다.
"임진 왜란아 엄마 아빠가 꺠우지 않아도 스스로 일어나는 착한아이구나"
질문의 의도를 파악하지 못하고 '일어나다'의 뜻을 인식한 결과
검색엔진에서 검색을 할떄 단어와 단어사이의 관계, 문장의 흐름을 고려해 이해한다면? -> 이를 해결해줄수 있는것 이 지식 그래프
- 많은 양의 데이터와 데이터의 관계를 알아보기 쉽게 해주는 포맷
- ALIVE: 살아 성장하는 유기적 모습의 데이터베이스, 따라서 지속적으로 데이터 공급하고 데이터가 유기적을 성장할 수 있도록 지원
- Scale Up: 모든 데이터를 하나의 큰 스마트 저장소에 축적, 검색 결과 관령 높이고 쉽게 찾도록 지원
- Automation with AI: 도메인 규칙과 어휘를 구축하면 온톨로지, 머신러닝, 알고리즘의 도움을 받아 지속적인 학습과 유기적 성장이 ㄱ ㅏ능
