온톨로지 임베딩 입문: OWL2Vec*와 EL Embeddings로 보는 논리 지식의 벡터화 방법

핵심 메시지

• 온톨로지는 클래스와 인스턴스, 프로퍼티에 더해 논리적 제약(공리)까지 명시한 지식 표현 체계로, 관계 나열 중심의 지식 그래프와는 표현 범위가 다르다.
• 기호 기반 온톨로지는 머신러닝 모델에 바로 넣을 수 없어, 논리적 정보를 유지한 채 계산 가능한 벡터로 옮기는 작업이 필요하다.
• OWL2Vec*는 온톨로지의 그래프 구조와 자연어 정보, 논리 공리를 모두 문장 형태의 코퍼스로 바꿔 word2vec으로 학습한다.
• EL Embeddings는 클래스를 중심과 반지름을 가진 영역으로, 관계를 이동 벡터로 표현해 논리 공리를 공간 배치 조건으로 직접 학습한다.
• 두 접근은 정보의 풍부함과 논리적 정합성 사이의 트레이드오프를 서로 다른 방향으로 해결하며, 어느 쪽이 맞는지는 다운스트림 과제에 달려 있다.

쉽게 이해하기

서울대학교 산업공학과 DSBA 연구실의 박재익 박사과정이 온톨로지 스터디 4주차 발표로 '온톨로지를 어떻게 임베딩할 것인가'를 다뤘다. 발표는 온톨로지 임베딩이 왜 필요한지 정리한 뒤, 대표적인 두 연구를 차례로 뜯어본다.

먼저 개념 정리다. 온톨로지는 특정 도메인의 개념(클래스), 개체(인스턴스), 관계(프로퍼티), 그리고 논리적 제약(공리)을 명시적으로 정의한 지식 표현 체계다. 구성 요소는 크게 둘로 나뉘는데, TBox는 클래스와 관계에 대한 일반적 정의와 규칙을, ABox는 구체적인 개체에 대한 사실을 담는다. '전기 버스는 버스의 하위 개념이다'는 TBox이고, '버스 101은 전기 버스의 인스턴스다'는 ABox다.

많이 헷갈리는 지식 그래프와의 차이도 짚는다. 지식 그래프는 개체–관계–개체의 트리플 조합으로 누가 누구와 연결되는지를 나타내며 ABox 중심으로 설계된다. 반면 온톨로지는 공리를 포함해 그 연결이 어떤 논리적 의미를 갖는지까지 표현하고, 논리 공리를 이용한 추론이 가능하다. 표준 언어로는 트리플 데이터 모델인 RDF와 논리적 의미를 표현하는 OWL이 쓰인다.

문제는 기호로 된 온톨로지를 머신러닝·딥러닝 모델에 바로 넣기 어렵다는 점이다. 벡터 공간으로 옮기면 유사도 계산과 클러스터링이 가능해지고, 빠진 관계나 공리를 예측하는 과제도 수행할 수 있으며, 대규모 온톨로지를 효율적으로 활용할 수 있다. 이때 연구 질문은 세 가지로 정리된다. 온톨로지의 어떤 정보를 임베딩에 반영할 것인가, 논리적 의미를 어떻게 보존할 것인가, 학습된 임베딩을 어디에 쓸 것인가.

첫 번째 연구인 OWL2Vec*는 온톨로지를 word2vec이 학습할 수 있는 문장으로 바꾸는 프레임워크다. 2019년 OWL2Vec가 연결 관계 중심으로 학습했다면, OWL2Vec*는 여기에 논리와 텍스트를 더했다. 처리 과정은 OWL 공리를 RDF 그래프로 변환하고, 그 위에서 랜덤 워크를 돌려 경로를 문장으로 만들며, WL 커널로 노드 주변의 구조 정보를 요약해 덧붙이고, IRI 문장을 사람이 읽을 수 있는 자연어 문장으로 바꾸고, 둘을 섞은 문장까지 만들어 word2vec 스킵그램으로 학습하는 순서다.

실험은 헬리스, 푸드온, 유전자 온톨로지 세 가지를 대상으로 클래스 멤버십 예측과 클래스 포함 관계 예측을 수행했고, 랜덤 포레스트로 후보 순위를 매겨 Hits@1·Hits@5·Hits@10과 MRR로 평가했다. OWL2Vec*는 세 데이터셋 모두에서 가장 높은 성능을 보였고, 특히 레이블이나 클래스 이름 같은 어휘 정보가 중요하다는 점이 확인됐다. 어블레이션에서는 어휘 문서를 추가하면 모든 데이터셋에서 성능이 올랐지만, 자연어와 IRI를 섞은 결합 문서의 효과는 제한적이고 일부 설정에서는 오히려 성능이 떨어졌다.

두 번째 연구인 EL Embeddings는 접근이 다르다. OWL2Vec*는 논리 공리를 문장 속 토큰과 문맥으로 간접 반영할 뿐이어서, 벡터 공간에서 실제 포함 관계가 성립한다는 보장이 없다는 한계가 있었다. EL Embeddings는 EL++ 기술 논리의 공리를 공간의 포함·겹침·분리 관계로 직접 옮긴다. 클래스는 중심과 반지름을 가진 영역이 되고, 관계는 영역을 옮기는 이동 벡터가 되며, 공리는 영역들이 만족해야 하는 배치 조건이 된다.

학습은 공리를 네 가지 표준 형태(포함, 교집합, 존재 제약 두 방향)로 정규화한 뒤 각 형태에 맞는 손실을 계산하고, 이를 모두 더해 최소화하는 방식이다. 예컨대 전기 버스가 버스의 하위 클래스라면 두 원의 중심을 가깝게 하고 전기 버스의 반지름을 줄이는 방향으로 손실이 줄어든다. 가족 온톨로지 예시에서는 남성·여성·부모 영역이 모두 사람 영역 안에 들어가고, 남성과 부모가 겹치며, 남성과 여성 영역은 겹치지 않는 배치가 그림으로 확인된다. 단백질 상호작용 예측 과제에서 EL Embeddings는 Hits@10·Hits@100과 평균 순위에서 의미 유사도 기반 방법이나 TransE보다 좋은 결과를 냈다.

발표는 두 연구를 묶어 결론을 낸다. 온톨로지의 어떤 의미를 벡터 공간에 보존할지 결정하는 것이 온톨로지 임베딩의 핵심이며, 그래프 구조와 자연어 정보, 논리 공리를 어떻게 쓰느냐에 따라 정보의 풍부함과 논리적 정합성 사이에서 트레이드오프가 생긴다. 후속 방향으로는 자연어와 논리 공리를 함께 반영하는 하이브리드 임베딩, GNN이나 트랜스포머·BERT를 활용한 고도화, 서로 다른 온톨로지 간 개념을 연결하는 정렬 연구가 제시됐다.

주요 인사이트

• 온톨로지를 문장으로 바꾸는 접근은 기존 언어 모델 자산을 그대로 재사용할 수 있다는 실용적 장점이 있지만, 논리적 정합성은 보장하지 못한다.
• 클래스를 점이 아니라 영역으로 표현하는 순간 '포함'과 '겹침', '배타'가 벡터 공간의 기하학적 사실이 되어 추론과 임베딩의 간극이 줄어든다.
• OWL2Vec* 어블레이션에서 어휘 정보의 기여가 가장 컸다는 결과는, 온톨로지 임베딩이 실은 상당 부분 자연어 표현력에 기대고 있음을 시사한다.
• 자연어와 IRI를 섞은 결합 문서가 기대만큼 효과를 내지 못하고 일부 설정에서 성능을 떨어뜨렸다는 점은, 정보를 더 넣는 것이 항상 이득은 아님을 보여준다.
• EL Embeddings의 한계인 EL++ 표현력 제약과 어휘 정보 미활용은 그대로 하이브리드 연구의 출발점이 된다.

자주 묻는 질문

관련 AI 소식