SHACL을 활용한 지식그래프 데이터 품질 평가 적합성 연구

초록

본 논문은 Zaveri 등(2020)이 제시한 69개의 데이터 품질 지표를 SHACL 코어 형태로 정의하고, 자동으로 인스턴스화·평가하는 프로토타입을 구현한다. 각 지표의 구현 가능성을 전면·부분·불가로 구분하고, SHACL이 데이터 품질 평가에 어느 정도 적합한지 종합적으로 검증한다.

상세 분석

이 연구는 지식그래프(KG)의 데이터 품질(DQ) 평가에 SHACL이 얼마나 활용될 수 있는지를 체계적으로 탐색한다. 먼저 Zaveri et al.이 제시한 69개의 DQ 메트릭을 네 가지 카테고리(Accessibility, Intrinsic, Contextual, Representational)로 분류하고, 각 메트릭을 SHACL 코어 컴포넌트(예: sh:MinCountConstraintComponent, sh:PatternConstraintComponent 등)로 구현한다. 구현 과정에서 저자들은 세 가지 전제(A1‑A3)를 설정했는데, 이는 모든 엔터티가 명시적으로 타입 지정되어 있고, 온톨로지가 충분히 정의되어 있으며, 도메인 전문가의 지식이 제공된다는 가정이다. 이러한 전제가 충족되지 않을 경우 일부 메트릭은 검증에서 제외되거나 부분적으로만 구현될 수 있다.

표 1‑4에 제시된 결과에 따르면, Availability, Licensing, Interlinking, Security, Performance 등 Accessibility 영역의 대부분 메트릭이 SHACL 코어로 완전 구현(✓)되었다. 특히 P1(슬래시 URI 사용 여부)과 같은 성능 지표는 정규식 패턴을 이용해 간단히 검증할 수 있었다. 반면, SPARQL 엔드포인트 접근성(A1)이나 대용량 데이터 전송 지연(P2‑P4)처럼 실행 환경에 의존하는 메트릭은 SHACL만으로는 표현이 어려워 부분 구현(p) 혹은 불가(x)로 분류되었다.

Intrinsic 영역에서는 Syntactic Validity와 Consistency 관련 메트릭이 SHACL 코어로 대부분 구현 가능했지만, Semantic Accuracy와 같은 의미론적 정확성을 평가하는 메트릭은 온톨로지의 추론 결과나 외부 지식베이스와의 비교가 필요해 SHACL만으로는 한계가 있었다. 또한 Conciseness와 Completeness 측면에서는 카디널리티와 필수 속성 검증은 가능하지만, “데이터 중복도”나 “정보 풍부성” 같은 정량적 지표는 복합적인 계산 로직이 요구돼 부분 구현에 머물렀다.

Contextual 및 Representational 카테고리에서도 유사한 패턴이 나타난다. 예를 들어, 데이터 최신성(Temporal Freshness)이나 신뢰성(Trustworthiness) 같은 메트릭은 최신 타임스탬프 존재 여부만은 검증할 수 있지만, 실제 비즈니스 규칙에 기반한 유효성 검사는 SHACL 외부의 프로세스와 연계해야 한다.

프로토타입 구현에서는 SHACL shapes를 자동으로 생성·배포하고, RDF4J 기반의 SHACL 엔진을 이용해 검증 보고서를 생성한다. 검증 결과는 위반 횟수와 전체 대상 개체 수를 이용해 비율형 메트릭을 산출하거나, 이진형(위반 여부) 메트릭으로 변환한다. 또한, 복합 메트릭은 개별 shape 결과를 가중 평균해 최종 점수를 도출한다.

결론적으로 저자들은 SHACL 코어가 데이터 품질 평가의 기본적인 구조(형식적 일관성, 필수 속성, URI 규칙 등)를 제공하지만, 의미론적 정확성, 성능 지표, 도메인 특화 규칙 등 고차원적인 DQ 측면을 완전히 포괄하려면 SHACL 확장(예: SHACL-SPARQL, SHACL-JS)이나 외부 프로세스와의 연계가 필요하다고 주장한다. 이러한 한계를 명확히 제시함으로써 향후 연구가 SHACL 기반 DQ 프레임워크를 어떻게 확장·보완할 수 있을지 방향성을 제시한다.