로컬 LLM 기반 지식 그래프(KG) 생성 오픈소스 공개

텍스트 뭉치(PDF 등)에서 단순 개체가 아닌 **개념(Concept)**을 추출하여 노드와 엣지로 구성된 지식 그래프를 만드는 오픈소스 프로젝트입니다. 이 프로젝트는 기존의 벡터 기반 RAG를 넘어, 그래프 기반의 **검색 증강 생성(Graph RAG)**을 목표로 합니다.

주요 특징은 다음과 같습니다.

• No-GPT 접근 방식: 비용 절감을 위해 GPT 대신 Mistral 7B OpenOrca와 같은 로컬 모델을 사용하며, Ollama를 통해 구동됩니다.
• 개념 중심 추출: 단순한 개체명 인식(NER)을 넘어, 문맥 속에서 의미 있는 '개념'을 추출하여 더 깊이 있는 지식 구조를 형성합니다.
• 기술 스택: NetworkX로 그래프 알고리즘을 처리하고, Pyvis를 통해 인터랙티브한 시각화를 제공하며, Pandas를 통해 데이터를 관리합니다.
• 구현 방식: 텍스트를 청크 단위로 나누고, LLM이 개념 쌍과 관계를 추출하면 문맥적 근접성을 계산하여 가중치를 부여하는 4단계 프로세스를 거칩니다.

현재 Docker를 통해 손쉽게 설치 및 실행이 가능하며, 향후 임베딩을 활용한 개념 중복 제거 및 이상치 필터링 기능이 개선될 예정입니다.