SHACL 기반 RDF 그래프 자동 생성기 RDFGraphGen 소개

초록

**
RDFGraphGen은 SHACL 형태의 제약조건을 입력으로 받아, 도메인에 구애받지 않는 합성 RDF 그래프를 자동으로 생성하는 오픈소스 도구이다. 스케일 팩터를 통해 데이터 규모를 조절하고, schema.org 값 사전과 다양한 분포 옵션을 제공해 현실적인 그래프를 만들 수 있다. 실험 결과, 소규모부터 대규모까지 안정적으로 생성 가능함을 보였다.

**

상세 분석

**
본 논문은 RDF 기반 애플리케이션의 벤치마크와 테스트에 필요한 특성화된 데이터셋이 부족한 현상을 SHACL을 활용한 데이터 생성기로 해결하고자 한다. 기존의 RDF 데이터 생성기(TAB2KG, GAIA, GRR, PyGraft 등)는 주로 OWL 온톨로지를 기반으로 하거나, 입력 테이블을 변환하는 방식이며, 값 제약이나 다중 온톨로지 혼용에 한계가 있었다. RDFGraphGen은 이러한 한계를 넘어 SHACL shapes를 “청사진”으로 삼아, 노드·프로퍼티·논리 제약을 모두 해석한다.

핵심 알고리즘은 두 단계로 구성된다. 첫 번째 단계인 GENERATE_FROM_NODE_SHAPE는 노드 형태와 연결된 제약 컴포넌트를 순회하면서, 프로퍼티 형태는 GENERATE_FROM_PROP_SHAPE로, 논리 형태는 GENERATE_LOGICAL로 분기한다. 프로퍼티 단계에서는 최소·최대 카디널리티를 기반으로 생성 개수를 결정하고, schema.org 프리픽스가 있으면 사전 정의된 값 집합을, 그렇지 않으면 지정된 XSD datatype에 따라 리터럴을 만든다. 또한, 프로퍼티가 다른 노드 형태를 가리키면 재귀적으로 하위 엔티티를 생성한다. 논리 제약(sh:and, sh:or, sh:xone)은 해당 제약에 포함된 형태 중 하나 혹은 모두를 무작위 혹은 규칙적으로 선택해 적용한다.

스케일 팩터는 최상위 노드 형태당 생성할 엔티티 수를 정의한다. 최상위 형태는 다른 형태에 종속되지 않거나, 다른 형태를 객체로만 참조하는 경우를 의미한다. 하위 형태는 상위 형태의 카디널리티에 의해 자동으로 생성 수가 결정된다. 이 설계는 데이터 규모를 직관적으로 조절하면서도 전체 그래프의 구조적 일관성을 유지한다.

성능 평가에서는 10⁴~10⁷ 트리플 규모까지 선형적인 시간 복잡도를 보였으며, 메모리 사용량도 합리적인 수준을 유지했다. 또한, schema.org 기반 값 사전 덕분에 생성된 그래프가 실제 웹 데이터와 유사한 분포를 갖는 것이 확인되었다.

한계점으로는 현재 SHACL 재귀 형태를 지원하지 않으며, 충돌하는 제약(예: sh:minCount > sh:maxCount)이 존재할 경우 최소값을 강제하는 단순한 해결책을 사용한다. 또한, 복잡한 논리 연산이나 사용자 정의 함수는 구현되지 않아, 고급 제약을 필요로 하는 도메인에서는 추가 확장이 필요하다.

향후 작업으로는 SHACL 재귀와 고급 논리 연산 지원, 제약 충돌 자동 탐지 및 해결, 그리고 생성된 그래프에 대한 품질 메트릭(예: 분포 차이, 스키마 일관성) 자동 평가 기능을 포함시킬 계획이다.

**