GraphRAG — 지식 그래프 기반 검색 증강 생성
정의
GraphRAG는 문서를 지식 그래프로 변환한 뒤 그래프 구조를 활용해 검색하는 차세대 RAG 패턴이다.
TL;DR
GraphRAG는 Microsoft가 2024년에 공개한 RAG 확장 패턴으로, 문서를 단순 청크 대신 엔티티-관계 그래프로 구조화한다. 기본 RAG가 개별 문서 청크의 의미적 유사성에 의존하는 반면, GraphRAG는 엔티티 간 관계를 파악해 복합 질문에 정확하게 답한다.
기본 RAG의 한계
기본 RAG는 질문과 의미적으로 유사한 텍스트 청크를 검색한다. 단순 질문("AEO란?")에는 효과적이지만 다음과 같은 복합 질문에 약하다:
- "A 기업의 CEO가 설립한 다른 회사들은?" (다단계 관계)
- "이 분야의 전반적인 트렌드는?" (글로벌 요약)
- "X와 Y의 관계가 Z에 미치는 영향은?" (관계 추론)
이런 질문에 답하려면 개별 청크가 아닌 정보 간 관계를 이해해야 한다.
GraphRAG의 작동 원리
GraphRAG는 3단계로 작동한다.
1단계: 그래프 구축
문서에서 엔티티(인물, 조직, 개념)를 추출하고 엔티티 간 관계를 그래프로 구조화한다. "구글은 AI Overviews를 출시했다" → 엔티티: 구글, AI Overviews / 관계: 출시.
2단계: 커뮤니티 탐지
그래프 내에서 밀접하게 연결된 엔티티 그룹(커뮤니티)을 식별한다. 각 커뮤니티에 대한 요약을 생성해 계층적 인덱스를 만든다.
3단계: 질문 응답
질문이 들어오면 관련 커뮤니티와 엔티티를 찾아 그래프 구조를 따라 답변을 생성한다.
AEO 관점에서의 함의
GraphRAG 시스템에서 콘텐츠가 잘 활용되려면:
- 엔티티를 명확히 정의한다: "X는 Y의 하위 개념이다", "A 도구는 B 작업에 사용된다"
- 관계를 명시적으로 서술한다: 비교표, 분류 체계, 인과 관계를 구조적으로 작성
- **구조화 데이터(JSON-LD)**를 적용한다: Organization, Person, DefinedTerm 스키마가 엔티티 인식을 돕는다
자주 묻는 질문
Q. 일반 사이트 운영자가 GraphRAG를 직접 구축해야 하나요?
A. 아니다. GraphRAG는 AI 시스템 내부 구조다. 콘텐츠 작성자는 GraphRAG 시스템이 콘텐츠를 잘 처리할 수 있도록 엔티티와 관계를 명확히 서술하면 된다.
관련 출처
- Microsoft Research (2024). GraphRAG: Unlocking LLM discovery on narrative private data. https://www.microsoft.com/en-us/research/blog/graphrag-unlocking-llm-discovery-on-narrative-private-data/
- Edge et al. (2024). From Local to Global: A Graph RAG Approach to Query-Focused Summarization. https://arxiv.org/abs/2404.16130