지식그래프 35

그래프 데이터베이스로 구현하는 지식그래프 (vs RDF)

지식그래프(Knowledge Graph)란? 지식그래프는 현재 시장에서 많은 관심을 받고 있습니다. 기존에 ‘지식’이란 사람들의 기억에 의존하는 경우가 많았습니다. 사람들이 기억하거나 메모한 글을 기록으로 작성하게 되면서, 그런 기록물들을 컴퓨터로 작성하게 되고, 작성한 문서들이 무한하게 공유되어 현재는 다양한 장치를 통해 대량의 정보를 볼 수 있게 되었습니다. 지식그래프는 사람이 기억으로 생성하고 활용하는 지식 정보를 좀 더 정확하게 관리하고, 많은 양의 지식 탐색을 위한 기법으로 나타나 현재 구글이나 마이크로소프트 같은 거대 IT 기업에서 대중적으로 사용하고 있습니다. 지식그래프를 알기 전에 우선 지식베이스에 대한 정리가 필요합니다. 지식베이스는 도메인 정보(개인이 알고 있는 정보, 업체가 사용하는 ..

그래프 DB, 올해 반드시 필요한 엔터프라이즈 기술

지난해는 그래프 기술이 NoSQL 데이터베이스 중 주류가 된 해였습니다. 그래프 DB는 일반적인 사례(예: 사기 탐지, 자금 세탁 방지 및 CRM 등) 외에도 새로운 사례(예: 암 치료 개선, 암호화폐 의심 거래 탐지, 조세 회피 조사)에도 활발하게 적용되고 있습니다. 올해 그래프 DB는 기업들이 꼭 활용해야 할 ‘필수’ 데이터베이스가 될 것입니다. 이미 많은 기업과, 고객들이 그래프 기술로부터 이익을 보게 되면서 기술력은 입증된 바 있습니다. 앞으로 그래프는 계속해서 데이터 환경의 질을 높여나갈 예정입니다. 요즘 글로벌 시장에서는 그래프 기술을 빠르게 발전하는 ‘그래프 데이터 사이언스’라고 부르는데요, 이 화제거리인 키워드에 그래프 기반 ‘디지털 트윈’이 핵심이라고 합니다. 그래프 DB: 데이터 환경의..

그래프 DB, 첨단기술 패권경쟁의 열쇠 - NASDAQ 빅테크 기업 활용사례 분석

그래프 DB, 첨단기술 패권경쟁의 열쇠 - NASDAQ 빅테크 기업 활용사례 분석 세계적으로 많은 데이터베이스 관리 시스템(DBMS)에 대한 기록을 가진 웹사이트 DB-Engines에서는 모든 DBMS에 대한 정보를 관리하고 각 부문의 DBMS의 해외 인지도를 바탕으로 순위를 매기고 있습니다. 그중 NoSQL 부문에 속한 그래프 DB가 가장 압도적으로 주목받고 있음에는 의심의 여지가 없습니다. 그래프 DB는 글로벌 시장조사기관인 가트너가 오는 2025년까지 전 세계 기업의 80%가 활용하리라 예측할 정도로 트렌드의 중심에 자리 잡고 있습니다. 하지만 그래프 DB는 IT 산업 중에서도 데이터 관련 직종이 아니면 일반적으로 접하기 쉽지 않은 소프트웨어입니다. 우리가 흔히 아는 인공지능(AI), 머신러닝, 은..

그래프 모델링으로 알아보는 지식 그래프

지식 그래프는 지식 베이스에 축적한 다양한 지식을 점과 선 관계로 구현한 그래프 모델이다. 지식 베이스란 특정 분야의 전문가가 지적 활동과 경험을 통해서 축적한 전문 지식이나 문제 해결에 필요한 사실과 규칙 등이 저장되어있는 데이터베이스를 말한다. 그렇기에 기존의 지식 베이스들은 문제 해결의 수법이 전문가에 따라 다르듯이, 대상으로 하는 문제별로 구축해야만 했다. 하지만 2012년 구글이 개별적 지식뿐 아닌 다양한 소스로부터 축적하고 통합 과정을 통해 서로의 콘텐츠를 연결하는 독자적인 지식 베이스인 ‘지식 그래프’라는 걸 선보이며, 지식 그래프의 활용성이 제대로 입증되기 시작했다. 지식 그래프 모델링 2가지 기법 지식 그래프 모델링 기법에는 크게 2가지로 분류할 수 있는데, ‘지식 베이스 그래프 모델링’..

[알쓸IT잡] 설명 가능한 인공지능(XAI, Explainable AI)이란?

함께 만들어 나가는 IT 용어사전, 알쓸IT잡! IT 분야의 모든 궁금증을 해결해 드립니다. 오직 알쓸IT잡에서만! 설명 가능한 AI(XAI, Explainable AI)란? AI는 자율주행, 제조업, 암 진단, 은행 고객 응대 등 활용 분야가 넓은 기술입니다. 사람보다 더 뚜렷한 성과를 내기 때문에 다가오는 미래에는 단순 노동을 넘어 전문적인 업무를 대체할 것으로 전망되고 있습니다. 하지만 AI가 잘못된 판단을 하면 심각한 문제가 될 수 있습니다. 결과에 대한 근거 및 도출과정을 생략하거나, 오류 발생 시 원인을 즉시 알 수 없어서 개발자마저 AI의 문제를 파악하지 못하는 경우가 있습니다. ‘어떤 과정을 통해서 결과를 도출해냈는지 설명할 수 있다면 사람들이 훨씬 더 잘 받아들이고 AI를 신뢰할 수 있지..

ARCHIVES 2020.08.26