LLM의 한계를 넘어서: 온톨로지 기반 하이브리드 아키텍처

요약

본 논문은 대규모 언어 모델(LLMs)의 한계를 극복하기 위해 외부 온톨로지 메모리 레이어를 결합한 하이브리드 지능 시스템 아키텍처를 제안합니다. 기존 LLM이 가진 파라미터적 지식이나 벡터 검색(RAG)에만 의존하는 대신, RDF/OWL 기반의 구조화된 지식 그래프를 구축하고 유지하여 영속적이고 검증 가능한 추론을 가능하게 합니다. 핵심은 문서, API, 대화 로그 등 이기종 데이터 소스로부터 온톨로지를 자동으로 구성하는 파이프라인입니다. 시스템은 개체 인식, 관계 추출 등을 수행한 후 SHACL 및 OWL 제약 조건을 이용해 검

핵심 포인트

• LLMs의 한계를 극복하기 위해 외부 온톨로지 메모리 레이어를 결합한 하이브리드 아키텍처를 제시합니다.
• RDF/OWL을 사용하여 구조화된 지식 그래프를 구축함으로써 영속적이고 의미론적으로 근거가 있는 추론이 가능해집니다.
• 제안된 시스템은 이기종 데이터 소스(문서, API 등)로부터 온톨로지를 자동으로 구성하는 파이프라인을 포함합니다.
• 온톨로지 레이어는 생성된 출력에 대한 형식적 검증을 제공하여 신뢰성을 높입니다.