인프런 커뮤니티 질문&답변

knowledge graph와 vector db 모두 rag를 구성할 때 답변에 필요한 데이터를 가져오는 방법입니다.

차이가 있다면 vector db는 vector화 해서 저장해서 유사도검색을 통해서 데이터를 가져온다고 하면, Knolwedge graph는 요즘 광고(?)에 많이 나오는 neo4j와 같은 graph db를 활용해서 데이터를 graph 형태로 저장한다고 보시면 됩니다.

예를들면 강의에서 활용하는 query인 연봉 5천만원 직장인의 소득세 에 관한 정보를 가져올 때 vector db를 활용하면 연봉 5천만원 직장인의 소득세 를 vector화 해서 유사도 검색을 통해서 필요한 데이터를 가져온다면, knowledge graph를 활용하면 직장인 -> 연봉 5천만원 -> 소득세 와 같은 방식으로 접근해서 데이터를 가져올 수 있다라고 보시면됩니다!

논리적으로 봤을 때는 knowledge graph를 사용하는게 효율이 더 좋을 것 같은데, graph db가 비싸서 아직 많이 도입을 하지 않는 중인 것 같아요. 그리고 테스트 해봤을 때도 도입하고싶다는 생각이 들만큼 큰 효과를 보지는 못했습니다(요건 지극히 개인적인 의견입니다). 다만 랭체인이나 라마인덱스 모두 neo4j와 협업을 많이 하는 것 같아서 그쪽으로 흐름이 넘어갈 수도 있을 것 같습니다