# \#entity-resolution **URL:** https://discuss.pytorch.kr/tag/entity-resolution/8804.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [ai-knowledge-graph: 비정형 텍스트에서 지식 그래프를 뽑아 시각화하는 파이썬 도구](https://discuss.pytorch.kr/t/ai-knowledge-graph/11583)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 11, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/ai-knowledge-graph/11583 "2026-08-11T03:30:32Z")
ai-knowledge-graph 소개 사내 위키나 회의록, 조사 보고서처럼 쌓여만 가는 문서 더미에서 "무엇이 무엇과 어떻게 연결되어 있는가"를 알아내려면 결국 사람이 읽어야 합니다. LLM에게 문서를 통째로 던져 요약을 받는 방법도 있지만, 요약은 다시 문장이라 관계를 눈으로 따라가기 어렵습니다. ai-knowledge-graph 는 그 중간 형태를 만듭니다. 비정형 텍스트를 입력받아 LLM으로 주어-서술어-목적어(Subject-Predicate-Object, SPO) 형태의 트리플을 뽑아내고, 그 관계망을 브라우저에서 돌려볼 수 있는 그래프로 그려 주는 파이썬 도구입니다. 문서에서 트리플을 뽑는 일 자체는 어렵지 않습니다. 문제는 그다음입니다. 문서를 청크로 나눠 처리하면 같은 대상이 청크마다 다른 이름으로 잡히고, 서로 이어져야 할 부분이 끊긴 섬으로 남습니다. ai-knowledge-graph는 이 지점을 추가 패스 로 해결합니다. 1차 추출 뒤에 엔티티 표준화 패스를 돌려 "AI", "artificial intelligence", "AI system" 처럼 같은 개념을 가리키는 표기를 하나로 모으고, 3차 관계 추론 패스에서 끊어진 커뮤니티 사이를 이어 줍니다. 두 패스 모두 설정에서 끌 수 있어서 LLM 호출량을 줄이고 싶으면 1차 추출만 쓸 수도 있습니다. 만든 사람은 Robert McDermott입니다. 특정 모델에 묶여 있지 않다는 점도 특징입니다. OpenAI 호환 API 엔드포인트라면 무엇이든 붙일 수 있어서 Ollama나 LM Studio로 노트북 안에서 끝낼 수도 있고, vLLM이나 LiteLLM을 거쳐 AWS Bedrock, Azure OpenAI, Anthropic 같은 서비스로 보낼 수도 있습니다. 이 글에서는 세 번의 패스가 실제로 무엇을 바꾸는지, 설정과 실행은 어떻게 하는지, 그리고 어떤 상황에 맞고 어떤 상황에는 부족한지를 정리합니다. 단일 추출 방식의 한계와 ai-knowledge-graph의 3단 처리 문서를…