연구: 온톨로지 및 지식그래프 논문 10편 추가 - 로빙 적용 가이드

2025-09-10 20:38:22 +09:00 · 2025-09-10 20:38:22 +09:00 · 20502a0f81
commit 20502a0f81
parent 39e8982c4f
1 changed files with 136 additions and 0 deletions
--- a/research/mcp_a2a/ontology_papers.md
+++ b/research/mcp_a2a/ontology_papers.md
@ -0,0 +1,136 @@
+# 온톨로지 및 지식그래프(KG) 연구 10편 - 로빙 적용 가이드
+
+요청하신 대로 최신 연구와 고인용 고전 연구를 섞어 10편을 엄선했고, 각 논문이 로빙(ivada·RO-BEING)의 설계·운영에 어떻게 기여할 수 있는지 연결 지점을 바로 제안드립니다.
+
+## A. 최신 동향 논문 5편
+
+### 1. Lippolis et al., 2025, "Ontology Generation using Large Language Models"
+- **핵심**: 사용자 스토리와 Competency Question을 입력으로 LLM이 OWL 초안을 생성하는 두 가지 프롬프트 기법(CQbyCQ, Ontogenia)을 제안하고 비교 평가
+- **로빙 적용**: 스킬·아이템·워크플로 정의를 "요구사항→CQ→OWL 초안"으로 자동화하고, 사람이 리뷰하는 Human-in-the-loop 파이프라인의 기준선 제공
+- **출처**: https://arxiv.org/abs/2503.05388
+
+### 2. Shimizu & Hitzler, 2024, "Accelerating Knowledge Graph and Ontology Engineering with LLMs"
+- **핵심**: 온톨로지 모델링·정합·정렬·개체소거·KG 보강 등 엔지니어링 과업 전반에서 LLM 활용 모듈화 주장
+- **로빙 적용**: "모듈형 온톨로지" 원칙을 채택해 코어 스키마(에이전트·스킬·아이템·기억·윤리)와 도메인 확장 스키마를 분리하고, LLM 보조 도구를 태스크별로 끼워 넣는 구조
+- **출처**: https://arxiv.org/abs/2411.09601, https://kastle-lab.github.io/assets/publications/2024-LLMs4KGOE.pdf
+
+### 3. Kommineni et al., 2024, "From human experts to machines: an LLM-supported approach to ontology and KG construction"
+- **핵심**: LLM이 KG/온톨로지 구성 시 인력 투입을 줄일 수 있으나 검증과 평가는 Human-in-the-loop가 필요하다는 실증적 결론
+- **로빙 적용**: 자동 생성 이후 SHACL·테스트셋·운영 로그를 통한 품질 점검 단계 의무화
+- **출처**: https://arxiv.org/pdf/2403.08345
+
+### 4. Li et al., 2024, IJCAI, "A Survey of Graph Meets Large Language Model"
+- **핵심**: 그래프와 LLM 결합을 역할별(예측기, 인코더, 얼라이너)로 분류해 체계화
+- **로빙 적용**: 로빙의 장기기억(KG)과 LLM의 대화·추론을 분리하되, 질의 시 그래프-어웨어 프롬프트나 그래프-RAG를 넣어 정확도와 일관성 향상
+- **출처**: https://www.ijcai.org/proceedings/2024/0898.pdf
+
+### 5. Ibrahim et al., 2024, "A survey on augmenting knowledge graphs with LLMs"
+- **핵심**: KG-augmented LLM, LLM-augmented KG, 시너지형 세 패러다임을 정의하고 실제 적용의 장단 정리
+- **로빙 적용**: 운영 단계에서는 "시너지형"을 목표로 하되, 초기에는 LLM-augmented KG(예: 이벤트 로그로부터 관계 추출)부터 단계적 도입
+- **출처**: https://link.springer.com/article/10.1007/s44163-024-00175-8
+
+## B. 고인용(기초·표준) 논문 5편
+
+### 6. Gruber, 1993, "A translation approach to portable ontology specifications"
+- **핵심**: "공유된 개념화의 명시적이고 형식적인 명세"라는 온톨로지 정의와 이식 가능한 명세 원리 정립
+- **로빙 적용**: 모든 스킬·아이템·행동 로그의 개념을 "공유 가능하고 교환 가능한 명세"로 관리해, 스킬 마켓플레이스 간 상호운용성 향상
+- **출처**: https://www.sciencedirect.com/science/article/pii/S1042814383710083, https://tomgruber.org/writing/ontolingua-kaj-1993.pdf
+
+### 7. Guarino, 1998, "What is an Ontology?" (FOIS'98)
+- **핵심**: 존재론 계층과 메타수준 구분의 중요성을 제시해, 도메인 온톨로지와 상위(기초) 온톨로지의 역할 명확화
+- **로빙 적용**: 코어는 상위 개념(에이전트·행위·상태·정책)로 안정화하고, 도메인별 확장을 플러그인처럼 끼워 넣는 2층 구조
+- **출처**: https://iaoa.org/isc2012/docs/Guarino2009_What_is_an_Ontology.pdf
+
+### 8. Ashburner et al., 2000, "The Gene Ontology: tool for the unification of biology"
+- **핵심**: 대규모 협업 온톨로지의 성공 모델과 품질·버전·거버넌스 교훈 제공
+- **로빙 적용**: 조직 내 다수 팀이 공유하는 "업무 행위·결과·문맥" 온톨로지를 운영할 때, GO 수준의 버전 관리·기여 가이드·리뷰 체계 참조
+- **출처**: https://www.nature.com/articles/ng0500_25, https://pubmed.ncbi.nlm.nih.gov/10802651/
+
+### 9. Auer et al., 2007/2009, "DBpedia: A Nucleus for a Web of Open Data"
+- **핵심**: 위키피디아를 구조화해 광범위한 개체·관계를 제공하는 대표적 공개 KB 제시
+- **로빙 적용**: 외부 세계 지식을 저비용으로 연결하는 출발점으로 삼아, 로빙의 개체정규화(entity linking)와 외부 참조 안정화
+- **출처**: https://pubs.dbs.uni-leipzig.de/mashup/files/10.1.1.69.5249.pdf
+
+### 10. Suchanek et al., 2007, "YAGO: A Core of Semantic Knowledge"
+- **핵심**: 자동 추출 기반이면서도 높은 정밀도를 유지하는 대규모 온톨로지 구축 기법 제시
+- **로빙 적용**: 뉴스·메일·회의록에서 자동 추출한 사실을 온톨로지에 편입할 때, YAGO가 쓴 품질관리 아이디어(규칙·휴리스틱·검증) 차용
+- **출처**: https://dl.acm.org/doi/10.1145/1242572.1242667
+
+## C. 로빙에 바로 적용할 설계 권고
+
+### 1. 코어-확장 이층 구조
+코어 스키마(Agent, Team, Skill, Item, Memory, Emotion, EthicalRule, Action, Event, DataAsset, Consent)를 OWL로 정의하고, 도메인 확장은 별도 네임스페이스로 모듈화합니다. Shimizu & Hitzler의 "모듈형 온톨로지" 취지와 부합합니다.
+
+### 2. 생성-검증 파이프라인
+요구사항→CQ→LLM 초안(예: Ontogenia)→정합성 검사(SHACL/Reasoner)→리뷰→릴리스의 파이프라인을 표준화합니다. Lippolis et al.의 방법을 기본 레일로 삼으십시오.
+
+### 3. 운용 단계의 결합 방식
+초기에는 LLM-augmented KG로 로그에서 관계·속성을 뽑아 KG를 풍성하게 만든 뒤, 점차 KG-augmented LLM·시너지형으로 확장합니다.
+
+### 4. 프로파일 선택
+대규모 온라인 추론은 OWL 2 RL/QL 같은 경량 프로파일로 시작해 성능을 확보하고, 고표현력 영역은 배치 검증으로 분리합니다. (W3C OWL2 Profiles)
+
+### 5. 정합·매핑 전략
+외부 SaaS·사내 DB 스키마와의 매핑은 전통적 매칭 기법에 배경지식 활용을 더하고, 필요 시 LLM 보조 매칭을 도입합니다.
+
+### 6. 데이터 거버넌스
+FAIR 원칙을 추적 가능한 메타데이터·권한·전파 규칙으로 구체화해, 온톨로지와 데이터 자산을 함께 관리합니다.
+
+## D. 간단한 실행 로드맵
+
+### 2주차까지
+코어 개념·관계 목록을 CQ로 정리하고, LLM-생성→SHACL 검증 루틴을 스크립트화합니다. Lippolis et al. 설정을 기준으로 소규모 PoC를 돌립니다.
+
+### 4주차까지
+Slack·Gmail·캘린더 이벤트 로그에서 최소 5종의 관계를 자동 추출해 KG에 적재하고, Graph-aware 프롬프트로 질의 응답 품질 개선을 측정합니다.
+
+### 6주차까지
+외부 공개 KB(DBpedia/Wikidata 등)와 엔터티 정규화를 붙여 요약·추천의 사실 일관성을 점검합니다.
+
+## E. 로빙 코어 온톨로지 초안
+
+```turtle
+@prefix robeing: <https://ro-being.com/ontology#> .
+@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
+@prefix owl: <http://www.w3.org/2002/07/owl#> .
+
+# 핵심 클래스
+robeing:Agent a owl:Class ;
+    rdfs:label "에이전트" ;
+    rdfs:comment "로빙 시스템의 자율 에이전트" .
+
+robeing:Skill a owl:Class ;
+    rdfs:label "스킬" ;
+    rdfs:comment "에이전트가 보유하거나 실행할 수 있는 능력" .
+
+robeing:Memory a owl:Class ;
+    rdfs:label "기억" ;
+    rdfs:comment "에이전트의 장기/단기 기억" .
+
+robeing:EmotionalState a owl:Class ;
+    rdfs:label "감정 상태" ;
+    rdfs:comment "에이전트의 현재 감정 상태" .
+
+robeing:EthicalRule a owl:Class ;
+    rdfs:label "윤리 규칙" ;
+    rdfs:comment "에이전트가 준수해야 할 윤리적 원칙" .
+
+# 핵심 속성
+robeing:hasSkill a owl:ObjectProperty ;
+    rdfs:domain robeing:Agent ;
+    rdfs:range robeing:Skill .
+
+robeing:hasMemory a owl:ObjectProperty ;
+    rdfs:domain robeing:Agent ;
+    rdfs:range robeing:Memory .
+
+robeing:hasEmotionalState a owl:ObjectProperty ;
+    rdfs:domain robeing:Agent ;
+    rdfs:range robeing:EmotionalState .
+
+robeing:followsRule a owl:ObjectProperty ;
+    rdfs:domain robeing:Agent ;
+    rdfs:range robeing:EthicalRule .
+```
+
+원하시면 로빙의 현재 스키마 초안이나 실제 로그 샘플을 받아 위 파이프라인으로 바로 OWL 초안을 뽑아 드리겠습니다.