학술 논문, 법률 의견서, 정책 브리핑과 같이 상호 참조하는 문서 코퍼스(Corpora)에 대한 지식 그래프(Knowledge graphs)는 참조의 위상(Topology)은 인코딩하지만, 그 입장(Stance)은 인코딩하지 못합니다. 표준적인 표현 방식은 풍부한 평가적 관계를 유형이 지정되지 않은 에지(Untyped edge)로 축소시켜, 한 문서가 다른 문서에 의해 어떻게 받아들여지는지에 대한 커뮤니티 수준의 질의를 뒷받침하는 핵심 콘텐츠를 상실하게 만듭니다. 우리는 주장 네트워크(Claim network)를 제안합니다. 이는 각 문서 간 참조를 유형화된 주장(Typed claim)으로 구체화하여, 출처(Source), 대상(Target), 주장 텍스트(Claim text), 그리고 인용 의도(Citation-intent) 문헌에 근거한 4개 클래스의 입장 레이블(Stance label)을 포함하는 표현 패턴입니다. 우리는 모든 학술 상호 참조 문서 코퍼스에 적용 가능한 구축 파이프라인을 제공하며, 이를 3D 포인트 클라우드 시맨틱 세그멘테이션(3D point cloud semantic segmentation) 분야의 논문 127편으로 구성된 코퍼스에 적용하여 8,260개의 유형화된 주장으로 이루어진 네트워크를 생성했습니다. 세 가지 다운스트림 태스크(Downstream task) 군은 이 네트워크가 무엇을 가능하게 하는지 보여줍니다: 검색 신호 증강(Retrieval signal augmentation), 집계된 입장 요약(Aggregated-stance summarisation), 그리고 위상 분석(Topological analytics). 표준적인 검색 증강 생성 (RAG, Retrieval-Augmented Generation) 베이스라인과의 직접 비교 평가 결과, 평면적 검색(Flat retrieval) 대비 얻은 이득은 잘못된 중간 표현이 아닌 올바른 중간 표현으로부터 온 것임을 보여줍니다.