문서 코퍼스에서 LLM으로 온톨로지를 자동 유도하는 도메인 불문 프레임워크 GOI(Generative Ontology Induction)가 제안됐다. 예시 코퍼스에서 엔티티·차원·속성·관계·제약으로 구성된 생성 블루프린트를 유도해 6개 노드 타입·7개 엣지 타입의 타입 그래프로 YAML/JSON 출력하며, 생성물에 구조적 온톨로지 노드가 얼마나 반영됐는지 재는 새 지표 'Node Coverage Score'도 도입했다. 인보이스 스키마, 채용공고, 통증관리 진료기록, 전문 서비스 계약 등 성격이 다른 4개 온톨로지 검증에서 GOI 기반 생성은 모든 경우 구조 백본의 95~100%를 커버한 반면, 일반 3필드 템플릿은 채용공고에서 52.2%까지 떨어졌다. 지식 집약 AI 시스템의 병목이던 온톨로지 엔지니어링을 문서 친숙도와 무관하게 자동화할 수 있음을 보인 것이 핵심이다.
- •예시 코퍼스에서 엔티티·차원·속성·관계·제약의 생성 블루프린트를 유도해 타입 그래프(YAML/JSON)로 출력
- •구조적 온톨로지 노드 반영률을 측정하는 새 평가 지표 Node Coverage Score 도입
- •성격이 다른 4개 온톨로지 검증에서 GOI 기반 생성이 구조 백본 95~100% 커버
- •일반 3필드 템플릿은 익숙한 인보이스에서 97.8%지만 채용공고 52.2%, 통증관리 62.2%로 급락
- •문서 유형의 모델 친숙도와 무관하게 구조 커버리지 유지
Generative Ontology Induction: Domain-Agnostic Schema Discovery from Document Corpora Using Large Language Models
- 1.문서 코퍼스에서 온톨로지 블루프린트를 자동 유도하는 도메인 무관 프레임워크 GOI 제안
- 2.엔티티·차원·속성·관계·제약을 6종 노드·7종 엣지 타입 그래프로 YAML/JSON 출력
- 3.구조 커버리지 측정용 Node Coverage Score 지표 새로 도입
- 4.청구서·채용공고·임상기록·계약서 4종 온톨로지에서 95~100% 커버, 일반 템플릿은 52.2%까지 하락
왜 중요한가?
지식 기반 AI 시스템의 고질적 병목인 온톨로지 수작업 설계를 LLM으로 자동화하되, 다운스트림 파이프라인이 바로 쓸 수 있는 타입드 그래프 형태로 출력한다는 점이 차별점이다. 모델에 낯선 문서 유형에서도 구조 커버리지가 유지됨을 보였다.
본문 미리보기
arXiv:2607.16201v1 Announce Type: new Abstract: Ontology engineering remains a critical bottleneck in knowledge-intensive AI systems. Existing automated approaches either depend on predefined schemas, operate within narrow domains, or produce unstructured outputs unsuitable for downstream pipelines. We introduce Generative Ontology Induction (GOI), a domain-agnostic framework that induces a generative blueprint - entities, dimensions, properties, relationships, and constraints - from a corpus
전체 내용이 궁금하다면?
원문을 직접 읽어보세요