Q²Forge: 지식 그래프를 위한 맞춤형 질문 쿼리 세트 자동 생성기

초록

SPARQL 쿼리 생성의 높은 진입 장벽과 지식 그래프 문서화의 부족을 해결하기 위해, Q²Forge는 대규모 언어 모델(LLM)을 활용하여 특정 지식 그래프에 대한 역량 질문(CQ)과 이에 상응하는 SPARQL 쿼리를 자동으로 생성, 검증, 정제하는 종단간 파이프라인을 제안합니다. 이 오픈소스 도구는 모듈식 설계로 유연하게 활용 가능하며, 다양한 도메인의 지식 그래프에 대한 참조 질문-쿼리 데이터셋 구축을 지원합니다.

상세 분석

Q²Forge의 핵심 기술적 통찰은 지식 그래프 활용의 핵심 장애물인 ‘질문-쿼리(Question-Query, Q²) 세트’의 부족을 LLM 기반 자동화 파이프라인으로 해결했다는 점에 있습니다. 기존의 Q² 세트는 DBpedia나 Wikidata 같은 범용 그래프에 편중되어 있었고, 도메인 특화적이거나 사적인 지식 그래프를 위한 데이터셋 생성은 도메인 전문가와 시맨틱 웹 전문가의 협력을 필요로 하는 수작업 중심의 고비용 작업이었습니다.

Q²Forge는 이 과정을 세 가지 주요 모듈로 구조화합니다: 1) 지식 그래프의 스키마와 설명을 기반으로 역량 질문을 생성하는 CQ 생성기, 2) 생성된 자연어 질문을 해당 KG의 스키마를 컨텍스트로 활용하여 SPARQL 쿼리로 변환하는 쿼리 생성기, 3) 생성된 쿼리를 실행하고 결과를 해석하며, 인간 피드백과 LLM을 판단자(Judge)로 활용하여 쿼리를 반복적으로 정제하는 검증 및 정제 모듈. 특히 중요한 점은 온톨로지 클래스의 정의와 KG 내 실제 인스턴스의 표현 방식 사이의 간극(Gap)을 인지하고, 사전 처리 단계에서 클래스 인스턴스를 샘플링하여 실제 사용되는 속성과 값 유형을 분석해 LLM에 제공한다는 것입니다. 이는 생성된 SPARQL 쿼리의 실제 KG 적합성을 높이는 데 중요한 요소입니다.

도구의 또 다른 강점은 완전한 모듈성과 확장성에 있습니다. 사용자는 전체 파이프라인을 끝까지 실행할 수도, CQ 생성만 독립적으로 사용하거나, 자체적인 텍스트-to-SPARQL 변환 도구로 쿼리 생성 모듈을 대체할 수도 있습니다. 이는 LangChain 같은 프레임워크를 통해 구현된 백엔드 API(Gen²KGBot) 덕분에 가능합니다. 따라서 Q²Forge는 단순한 도구가 아닌, 커뮤니티가 자체 요구사항에 맞춰 확장할 수 있는 생태계의 기반을 제공한다고 평가할 수 있습니다. 이는 폐쇄형 상용 솔루션(예: Amazon Bedrock)이나 특정 도메인/온톨로지에 국한된 도구(예: BigCQ)와 차별화되는 지점입니다.