[사이람 커넥트] 지식 그래프(Knowledge Graph)와 소셜 네트워크 분석(SNA)

CYRAM CONNECT : MINI WEBINAR
2025. 8. 29
텍스트에서 네트워크로,
지식 그래프와 소셜 네트워크 분석
14:00 ~15:00
참여해주신 여러분 반갑습니다.
잠시 후 웨비나를 시작합니다.
• 14:50 부터 Q&A 세션이 진행됩니다. Q&A에 질문을 남겨주시면 답변 드리겠습니다.
• 웨비나 종료 후 설문조사에 참여하실 수 있습니다.

NetMiner Team
[사이람 커넥트] 미니 웨비나
지식 그래프와 소셜 네트워크 분석

3
SESSION 01 Intro
SESSION 02 From Text to Network
SESSION 03 Case Study
CONTENT

Copyright © by CYRAM. All rights reserved. 4
SESSION 01
Intro

Intro
Knowledge Graph
• 현실 세계의 개체와 개념을 노드(Node)
로, 그들 사이의 의미 있는 관계를 엣지
(Edge, Link)로 표현
• 스키마나 온톨로지로 타입과 제약을 부여
해 기계가 이해할 수 있는 형태로 지식을
조직한 그래프형 데이터 구조
• Multi-mode & Multilayer Network
• 관계에 ‘의미’와 ‘맥락’을 부여
* SOURCE: https://zilliz.com/learn/what-is-knowledge-graph

Intro
Concept
Social Network Analysis Ontology Knowledge Graph
• 사회 현상을 행위자와 관계로 이루어진 네
트워크로 모델링
• 링크 속성은 존재하나, 주로 범주(label)나
양적 특성(예: 가중치)을 표현하는 데 사용
• 주로 구조적 패턴과 강도, 빈도 분석에 초점
을 두지만, 최근 관계의 의미 분석도 관심
• 한 도메인에 존재하는 개념과 개념 간의 관
계를 명시적이고 형식적으로 표현하는 체계
• 개체와 관계가 사전 정의된 속성과 제약 조
건을 가짐: 예. 사람은 ‘장소’에 대해 ‘방문’
이라는 관계를 가질 수 있음 → 장소(가)가
A를 ‘방문’했다고 표현하는 것은 거짓(추론)
• 지식 그래프의 스키마/메타 모델로 활용
• 삼중항(triple: 주어–술어–목적어)로 개체와
관계를 표현
→ 예: (사람 A) – [소속된다] → (정당 B)
• 다양한 데이터를 통합·연결하며 관계의 의미
적 성격을 그래프로 표현하는데 초점
• 쿼리, 탐색, 링크 예측/추론에 활용 가능
* SOURCE: https://visiblenetworklabs.com/guides/social-network-analysis-101 * SOURCE: Liu, Y., He, B., Hildebrandt, M., Buchner, M., Inzko, D., Wernert, R.,
& Tresp, V. (2023). A knowledge graph perspective on supply chain resilience.
* SOURCE: https://en.wikipedia.org/wiki/Ontology_%28information_science%29

SESSION 02
From Text to Network

텍스트를 네트워크로 보다: 동시 등장 네트워크
핵심 개념은 무엇인가?
어떤 개념들이 서로
밀접하게 나타나는가?
구조화를 통한 계량적 분석/시각적 이해
텍스트에서 단어를 추출하고, 동시 등장을 기반으로 연결

텍스트를 네트워크로 보다: 지식 그래프
텍스트에서 개체를 추출하고, 그 사이의 의미적 관계를 정의
* SOURCE: https://www.imdb.com/title/tt4154756/plotsummary/?ref_=tt_stry_pl
개체(인물, 기관, 장소, 물건, 사건 등)를 식별
텍스트에 묘사된 관계 의미를 부여
Warn

Copyright © by CYRAM. All rights reserved.
Co-occurrence Network
10
동시 등장 네트워크 vs 지식 그래프
Knowledge Graph
• 구성 원리: 근접성 기반 통계적 빈도
• 관계 의미: A-B가 함께 등장했다
• 관계 종류, 방향성은 알 수 없음
• 관계 강도(가중치) 있음
• 핵심 주제, 키워드를 찾는데 효과적이나,
비의미적 연결 관계(노이즈)가 많고, 관계의 의미 또는
방향성이 부재하여 원인-결과 등의 해석의 한계
• 트렌드 분석, 연관어 분석, 문서 군집화
• 구성 원리: 자연어 이해 기반 의미적 관계 추출
• 관계 의미: A는 B와 ‘어떤 관계’이다
• 관계 종류, 방향성을 명확히 정의
• 정확성과 풍부한 맥락에 대한 깊이 있는 분석이 가능
하고, 유의미한 관계를 구조화 할 수 있으나, 구축 비
용이 크고 데이터 품질에 의존성이 큼
• 정밀한 관계 분석, 지능형 검색, 내러티브 분석

콘텐츠에서 네트워크로: 지식 그래프와 소셜 네트워크 분석
• 빅데이터 시대에 뉴스, 소셜미디어, 센서, 모바일 등 다양한
출처로부터 비정형 사회 데이터가 폭증
• 이러한 ‘콘텐츠’ 속에서 사회 네트워크를 자동으로 구축, 분
석하려는 필요성이 증가
• 여기에서는 정보 추출(Information Extraction) 기법을 활
용하여, 텍스트에서 개체(인물, 조직, 장소)와 관계를 식별
• 단순 동시 등장(Co-occurrence)와 인용, 공동 지시(co-
reference) 등을 결합하여 네트워크 구축
Social Network Analysis with Content and Graphs
(Campbell, Dagli, Weinstein, 2013)
콘텐츠 → 네트워크 → 그래프 분석으로 새로운 인사이트를 발견

SESSION 03
Case Study

사회과학/디지털 인문학
13
Case Study
고대 문헌에서의 지식 그래프 (2024)
연구 배경 및 목적
• 역사 연구는 많은 시간이 요구되는 질적 분석에 의존했으나,
LLM의 등장으로 정량적 분석과 자동화 처리가 가능해짐
• 서한 시대의 대표 문헌인 ‘염철론’을 통해, 사상적 대립,
시간적, 공간적 관점에서 역사적 통찰을 도출
연구 방법
• LLM을 활용하여 서한 시대 대표 문헌인 ‘염철론’에서
인물과 지명을 추출
• 추출한 개체 간의 관계를 파악하여 지식 그래프 구성: 인물
간 상호 언급 관계, 시대별 등장 빈도 등
주요 연구 결과
• 공자는 유교 사상의 중심 인물로 그래프에서 중심
노드(hub) 역할 수행
• 진시황, 상앙 등은 비판적 언급과 대비 구조로 표현됨
※ Source: Zeng, Yifan. (2024). HistoLens: An LLM-Powered Framework for Multi-Layered Analysis of Historical Texts – A Case Application of Yantie Lun. arXiv. https://doi.org/10.48550/arXiv.2411.09978
LLM기반인물,장소식별
주요인물간의지식그래프

정치/행정
14
Case Study
텍스트에서 정치 네트워크 구축 (2025)
• 텍스트에서 정치 네트워크(국회의원 네트워크)를 추출하는
방법 제안
연구 방법
• LLM을 활용하여 칠레 정치 뉴스 기사에서 국회의원 간
네트워크와 각각의 감정 정보(긍정, 중립, 부정)를 추출
• 관계 및 감정 정보와 입법 동의율 간의 상관성을 회귀
분석을 통해 확인
• 또한 노드 임베딩을 통해 얻은 두 국회의원 간 거리가 입법
동의율에 미치는 영향을 분석
• 텍스트에 내포된 국회의원 간 관계, 긍/부정 감정, 네트워크
기반 벡터 거리가 입법 동의와 연관성이 있음
※ Source: Bro, Naim. (2025). A frustratingly easy way of extracting political networks from text. PLOS ONE. 20. 10.1371/journal.pone.0313149.
칠레뉴스에나타난국회의원간네트워크
링크유무가입법합의에미치는영향:회귀분석결과

조직 관리
15
Case Study
텍스트 내 담론과 조직 구조 융합 분석 (2020)
• 문화적 요소에 대한 전투원의 연결이 대인 관계 형성에
어떤 영향을 미치는지, 반대로 대인 관계가 문화적 요소에
대한 연결을 어떻게 유도하는지를 분석
연구 방법
• 아프가니스탄 Balkh 지역의 무장 단체들이 발행한
23,000쪽 분량의 문서에서 주요 토픽을 추출
• 심층 인터뷰를 토대로 무장 전투원 간의 관계를 추출: 동료,
친구, 상급자 등
• 전투원 간 네트워크, 전투원과 토픽과의 연결 관계를
포함하는 다층(multilevel) 네트워크를 구성하여 분석
• 문화 요소(담론) 공유가 전우 관계를 형성하는 데 긍정적인
영향을 미침
• 단, 권력 수준이 동일할 때 유의미한 영향이 있음
※ Source: Karell, D., & Freedman, M. (2020). Sociocultural mechanisms of conflict: Combining topic and stochastic actor-oriented models in an analysis of Afghanistan, 1979–2001. Poetics, 78, 101403. https://doi.org/10.1016/j.poetic.2019.101403
분석대상네트워크
관계형성에토픽공유가미치는영향(권력수준별비교)

공급/물류
16
Case Study
공급망 복원력에 대한 지식 그래프 관점 (2023)
• 기업이 1차 공급업체 아래 하위 공급망에 대한 정보가
부족하여 위기 예측 및 대응에 어려움을 겪는 문제를 해결
연구 방법
• 지멘스(Siemens)의 1차 공급업체, 사업 범위 등 내부
데이터와 제련소, 원자재 등 외부 공개 데이터를 통합하여
지식 그래프 구축: 공급업체, 부품, 원자재, 국가 등 8가지
유형의 개체(entity)와 'supplies_to'(납품) 등 11가지
유형의 관계(relation)로 구성
• 핵심 공급업체 식별: 공급업체 간의 '납품(supplies_to)'
관계를 기반으로 중심성 분석을 실시하여, 중요도 점수가
높은 988개 핵심 공급업체를 식별
• 대체 불가 업체는 잠재적 위험으로 제안됨
※ Source: Liu, Y., He, B., Hildebrandt, M., Buchner, M., Inzko, D., Wernert, R., & Tresp, V. (2023). A knowledge graph perspective on supply chain resilience.

Demo

Q&A

감사합니다.
[안내 사항]
• 웨비나 설문조사에 참여해주세요! 오늘 웨비나에 대한 의견과 보고 싶은 웨비나 주제를 남기실 수 있습니다.
• 참석자를 위한 NetMiner 5 할인 혜택이 있습니다. 이후에 발송되는 웨비나 감사 메일을 확인하세요!
www.netminer.com
1660-4230
netminer@cyram.com

[사이람 커넥트] 지식 그래프(Knowledge Graph)와 소셜 네트워크 분석(SNA)

More Related Content

Similar to [사이람 커넥트] 지식 그래프(Knowledge Graph)와 소셜 네트워크 분석(SNA)

Recently uploaded

[사이람 커넥트] 지식 그래프(Knowledge Graph)와 소셜 네트워크 분석(SNA)