온톨로지 비법노트

머리말
추천사
다운로드 및 문의

CHAPTER 01 왜 온톨로지인가?
데이터의 홍수 속에서 어떻게 의미를 찾을까
RAG를 보강하는 온톨로지
환경 설정 및 데이터 불러오기 실습
추천 시스템에서 활용되는 온톨로지의 원리

CHAPTER 02 데이터는 왜 의미를 가져야 하는가?
통계와 온톨로지의 데이터 해석 방식은 어떻게 다른가
자연어와 FOL
서울 실시간 데이터를 FOL로 표현하기

CHAPTER 03 비정형 데이터와 추론 기반 온톨로지화
CCTV 좌표와 영상 데이터의 온톨로지화
[1단계] CCTV 좌표 데이터를 공간 지식 그래프로 변환하기
[2단계] GeoSPARQL을 활용한 위치 기반 탐색
[3단계] CCTV 영상에서 관측 정보 추출하고 구조화하기
[4단계] 서울시 데이터와 CCTV 관측 정보의 융합 검증
심볼릭 AI와 ASP: 사실, 규칙, 제약 조건으로 추론하기
추론 결과를 온톨로지로 구조화하기

CHAPTER 04 온톨로지의 역사와 시맨틱 웹
온톨로지의 정의와 역할
온톨로지와 현대 AI: 왜 다시 주목받는가
시맨틱 웹: 문서의 웹에서 데이터의 웹으로
RDBMS와 온톨로지: 데이터 저장과 의미 표현의 차이

CHAPTER 05 서울시 실시간 도시 데이터의 온톨로지 구축
질문 중심 데이터 분석과 온톨로지 모델링 필요성
클래스와 프로퍼티 설계: 온톨로지 모델링의 기본 절차

CHAPTER 06 Protege, Fuseki, SPARQL 구현
Protege에서 클래스, 프로퍼티, 제약 조건 병합하기
SHACL로 RDF 데이터 검증하기
Protege에서 SHACL로 데이터 검증하기
Fuseki에 RDF 데이터 적재하고 SPARQL로 질의하기

CHAPTER 07 온톨로지 기반 RAG
RAG 개념과 필요성
도시 데이터 온톨로지 리콜, 온톨로지 기반 RAG 구조 예시
Fuseki와 LangChain으로 구현하는 온톨로지 기반 자연어 질의 실습

CHAPTER 08 온톨로지 기반 추천 시스템
추천 시스템의 필요성과 개념
온톨로지 기반 추천 시스템
서울 공공 데이터 기반 추천 시스템 구축 실습
운영 정책을 반영한 인력 배치 추천 실습

찾아보기

다만 Graph RAG가 하는 일도 여전히 검색의 개선입니다. 무엇이 함께 등장하는지, 무엇이 서로 연결되어 있는지를 보고 그 신호를 검색 점수에 반영하는 파이프라인입니다.

반면 온톨로지는 답변 생성 절차가 아니라 의미를 정의하고 일관성을 확인하는 규칙 체계입니다. 어떤 개념이 있고, 그 개념들이 서로 어떤 관계를 맺는지, 어떤 것이 무엇의 일부인지, 어떤 조건에서는 어떤 사실이 성립하는지, 어떤 관계는 동시에 성립할 수 없는지를 명확하게 정해 둡니다. Graph RAG가 ‘무엇을 가져올까’를 다룬다면, 온톨로지는 ‘무엇이 맞는 말인가’를 다룹니다.

이 책에서는 RAG, Graph RAG와 구분하기 위해 온톨로지로 검색과 생성을 보강하는 방식을 OAG(Ontology Augmented Generation)라고 부르겠습니다. OAG는 단순히 질문과 가까운 문서를 LLM에 넣는 것이 아니라 온톨로지로 정리된 개념과 관계를 먼저 활용한 뒤 그 결과를 답변 생성에 사용하는 접근입니다.

“강남대로 정체 구간에서 300m 안에 있고, 전기차 충전이 가능한 빈 주차 공간은 어디인가?”

이 질문에 답하려면 교통 데이터, 주차장 데이터, 전기차 충전소 데이터가 서로 연결되어야 합니다. 단순히 각각의 데이터를 따로 조회해서는 답을 얻기 어렵습니다. 도로와 주차장 사이의 위치 관계, 주차장의 현재 가용 공간, 충전 가능 여부가 함께 해석되어야 합니다.