ivada-infra/DOCS
3
0
Fork 0
Code Issues 1 Pull Requests 5 Actions Packages Projects Releases Wiki Activity
DOCS/journey/research/knowledge_graph
History
Claude-51124 710c31f088 docs: 리서치 문서 간 상호 링크 추가 
- bayesian_theory 문서들 간 상호 참조 링크 추가
- knowledge_graph와 autonomous_agents 간 연결 추가
- 아이디어 문서에 상세 리서치 링크 추가
- 각 README에 관련 문서 섹션 추가
2025-12-31 17:02:39 +09:00
..
ontology_papers
docs: 리서치 폴더 구조 통합 및 정리
2025-12-31 16:50:13 +09:00
papers
docs: 리서치 폴더에 추가 논문 및 링크 업데이트
2025-12-31 16:53:11 +09:00
ontology_README.md
docs: 리서치 문서 간 상호 링크 추가
2025-12-31 17:02:39 +09:00
README.md
docs: 리서치 문서 간 상호 링크 추가
2025-12-31 17:02:39 +09:00

README.md

지식 그래프 및 온톨로지 (Knowledge Graph & Ontology)

텍스트에서 구조화된 지식을 추출하여 지식 그래프를 구축하는 주제와 관련된 핵심 논문을 정리합니다.

관련 섹션

지식 그래프 구축 논문

각 논문은 papers 폴더 안에 개별 파일로 저장되어 있습니다.

논문 목록

  1. Knowledge Vault: A Web-Scale Approach to Probabilistic Knowledge Fusion (2014)
  2. Distant supervision for relation extraction without labeled data (2009)
  3. Abstract Meaning Representation for Sembanking (2013)
  4. Universal Dependencies v1: A Multilingual Treebank Collection (2016)
  5. Knowledge Graphs (2021)
  6. Open Information Extraction from the Web (2007)
  7. Neural Architectures for Named Entity Recognition (2016)
  8. Entity-Relation Extraction as Multi-turn Question Answering (2019)
  9. A Survey on Knowledge Graphs: Representation, Acquisition and Applications (2020)
  10. Unifying Large Language Models and Knowledge Graphs: A Roadmap (2023)
  11. Knowledge Graphs for Enhancing Language Models: A Comprehensive Survey (2024)

로빙(robeing) 프로젝트 반영 방안

본 리서치에서 다루는 지식 그래프 구축 기술은 로빙 프로젝트의 데이터 처리 및 활용 방식을 고도화하는 데 다음과 같이 기여할 수 있습니다.

  • 지능형 모니터링 및 근본 원인 분석: robeing-monitor가 수집하는 로그, 메트릭 데이터와 시스템 아키텍처 정보를 지식 그래프로 통합합니다. 이를 통해 장애 발생 시, 분산된 시스템 전반의 인과 관계를 신속하게 추적하여 근본 원인을 특정하고 분석 시간을 단축할 수 있습니다.

  • 시맨틱 검색 및 질의응답 시스템: 프로젝트의 방대한 문서(DOCS), 코드, 이슈 트래커, 로그 데이터를 지식 그래프로 변환합니다. 개발자나 운영자는 "지난주 게이트웨이에서 가장 많이 발생한 에러 타입은?"과 같은 자연어 질문으로 원하는 정보를 즉시 얻을 수 있습니다.

  • AI 에이전트의 핵심 지식 베이스: 구축된 지식 그래프를 skill-* 에이전트들의 장기 기억(Long-term Memory)으로 활용합니다. 에이전트는 이 지식 베이스를 바탕으로 시스템 상태를 정확히 인지하고, 더 복잡한 추론과 자율적인 문제 해결 작업을 수행할 수 있습니다.

관련 문서