# \#llamaxindex **URL:** https://discuss.pytorch.kr/tag/llamaxindex/3234.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [LlamaIndex, LLM 지식 그래프 구축을 위한 Property Graph Index 기능 제공](https://discuss.pytorch.kr/t/llamaindex-llm-property-graph-index/4574)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 5, 2024, 1:41오후 UTC](https://discuss.pytorch.kr/t/llamaindex-llm-property-graph-index/4574 "2024-06-05T13:41:15Z")
LlamaIndex, LLM 지식 그래프 구축을 위한 Property Graph Index 기능 제공 소개 LlamaIndex에서는 LLM을 사용하여 지식 그래프(KG, Knowledge Graph)를 구축할 수 있는 Property Graph Index를 공개하였습니다. LlamaIndex의 Property Grpah Index는 지식 그래프의 표현력을 극대화하며, 다양한 추출 방법과 쿼리 방식을 지원해 효율적인 데이터 관리를 지원합니다. 지식 그래프(KG, Knowledge Graph)는 데이터를 구조화하여 정보 간의 관계를 명확하게 표현하는 데 유용합니다. 전통적인 지식 그래프는 제한된 표현력을 가지고 있지만, LlamaIndex의 Property Graph Index는 이를 극복하기 위해 노드(node)와 관계(relationship) 간에 라벨(label)과 속성(property)을 할당하고, 벡터 임베딩을 사용하여 텍스트 노드를 표현하는 방법을 도입하였습니다. 또한, 임베딩 벡터 검색과 심볼릭 검색 방식을 모두 지원하여 다양한 쿼리 방식을 결합할 수 있습니다. 즉, 기존의 Knowledge Graph Index는 주제-서술어-목적어 구조(subject, predicate, object)로 지식을 구조화(eg. knowledge triples)을 사용하여 데이터의 관계를 표현하지만, Property Graph Index는 이를 넘어 라벨과 메타데이터를 사용하여 더욱 풍부한 모델링을 가능하게 합니다. 예를 들어, 복잡한 쿼리를 Cypher 언어로 표현할 수 있으며, 이는 기존의 방법보다 유연하고 강력합니다. 주요 특징 라벨 및 속성 할당: 노드와 관계에 라벨과 속성을 할당하여 데이터를 더 세밀하게 관리할 수 있습니다. 벡터 임베딩: 텍스트 노드를 벡터로 표현하여 하이브리드 검색을 가능하게 합니다. 다양한 추출 방법: 스키마 기반 추출, 암시적 추출, 자유 형식 추출 등 여러 가지 방법으로 지식 그래프를 구성할 수 있습니다. …