유형 ③ 규제·지식관리 KG — 위험물과 규정

MDG KG (해상위험물 KG, 2019) — 수상 운송 화물의 10~15%가 위험물이라는 문제의식에서, 방대한 위험물 지식의 "지식 섬(knowledge island)" 문제를 풀기 위해 3층 지식 구조(개념층·엔티티층 설계)를 온톨로지로 표현했습니다. 후속 연구는 IMDG Code(국제해상위험물규칙)를 기반으로 위험물 KG를 구축했습니다. 모듈 2의 CQ 씨앗 8번("위험물 컨테이너의 장치 위치와 이격 규정 준수")의 학술적 토대가 이 계열입니다.

읽어야 할 포인트: 규정 문서(IMDG Code)가 그래프의 원천이 될 수 있다는 것입니다. 우리 온톨로지에서도 "규제 지식"(무엇이 금지인가)과 "운영 데이터"(지금 무엇이 어디 있나)를 같은 그래프에 넣어야 "규정 위반 탐지" 같은 CQ가 풀립니다.

유형 ④ 질의응답·에이전트 KG — 그래프에게 말을 걸다

MVA-KG (선박활동 KG QA 시스템, 2024) — Protégé로 온톨로지 층을 설계하고, 사고보고서와 전 세계 해역·해협·섬·항만의 지리 데이터를 융합해 215,672 트리플을 Neo4j에 구축했습니다. 이 위에 지식그래프 기반 질의응답 시스템을 얹어 2-hop, 3-hop 질문(두세 다리 건너는 질문)으로 성능을 검증했습니다.

VTS-LLM (2025) — 해상교통관제(VTS) 도메인의 LLM 에이전트 연구입니다. 관제사의 압축적·비정형 표현, 그리고 시간에 따라 진화하며 중복·모호한 개체(선명, 해역 코드)를 포함하는 선박 DB가 LLM 일반화의 장벽임을 지적하고, NER 기반 관계 추론·에이전트 기반 도메인 지식 주입·질의 재고(query rethink) 메커니즘으로 대응했습니다.

AIS 이벤트 KG (2024) — AIS 항적에서 속도 변화·침로 변경·선박 조우·입출항 같은 핵심 이벤트를 추출하고, 각 이벤트를 시작시간·종료시간·이벤트유형·위경도 속성을 가진 이벤트 노드로 Neo4j에 저장했습니다. 코스 2에서 채택할 "이벤트 중심 모델링"의 실증 사례입니다.

읽어야 할 포인트

1. QA 시스템의 난이도는 hop 수로 측정됩니다 — 우리 골든 데이터셋(코스 3)도 1/2/3-hop 난이도 구간을 설계에 반영해야 합니다.
2. VTS-LLM이 지적한 "개체 모호성" 문제는 모듈 3의 식별자 정책이 왜 중요한지의 반증입니다.
3. 이벤트 노드 패턴은 학계에서 이미 표준 관행입니다.

유형 ⑤ 디지털트윈 — KG 의 이웃 기술

항만 디지털트윈은 KG와 목적이 겹치면서 다릅니다. 디지털트윈이 물리 세계의 실시간 미러링과 시뮬레이션(무엇이 일어날까)에 집중한다면, KG는 의미 연결과 질의(무엇이 무엇과 어떻게 얽혔나)에 집중합니다.

산업계 동향으로는 TIC 4.0이 항만 터미널 디지털트윈 클래스 백서(2025)를 발간하며 디지털트윈의 표준 어휘화를 진행 중입니다. 모듈 3에서 본 것처럼, 어휘가 표준화되면 KG와 디지털트윈은 같은 온톨로지를 공유하는 두 개의 뷰가 될 수 있습니다. 코스 4에서 이 연계 시나리오를 다룹니다.