Construction of Multi-layered Spatial Knowledge Graphs in LPG Databases : Integrating LLM-based Ontology Design and Graph Spatial Indexing = LPG 데이터베이스에서의 다층형 공간 지식 그래프 구축: LLM 기반 온톨로지 설계와 그래프 공간 인덱싱의 통합

국문 초록 (Abstract)

본 논문은 레이블 속성 그래프(Label Property Graph, LPG) 환경에서의 도메인 특화 공간 지식 그래프(Spatial Knowledge Graph)를 효율적으로 구축하고 활용하기 위한 포괄적인 아키텍처, 다층형 공간 지식 그래프(Multi-layered Spatial Knowledge Graph, MSKG)를 제안한다. 기존의 공간 KG 구축은 많은 시간과 비용이 소요되는 수작업에 의존하고 공간 정보의 통합이 어려웠으며, LPG 환경에서 명시적인 온톨로지 구조가 부재하여 복잡한 의미 추론에 한계가 있었다. 이러한 문제를 해결하기 위해, 본 연구는 시맨틱 그래프(Semantic Graph), 데이터 그래프(Data Graph), 공간 인덱스 그래프(Spatial Index Graph)의 세 가지 핵심 레이어를 단일 그래프 데이터베이스 내에 유기적으로 통합하였다.

제안하는 MSKG 아키텍처는 다음의 4단계로 구축된다: (1) 거대 언어모델 (Large Language Model, LLM)과 전문가 협업을 통해 KG 요구사항을 분석하고 초기 LPG 온톨로지를 반자동으로 추출한다. (2) 추출된 초기 온톨로지를 기반으로 LLM-전문가 상호작용을 지속하여 온톨로지를 보완하고 검증 스키마와 추론 규칙을 생성하여 LPG 온톨로지를 완성한다. (3) 그래프 데이터베이스에 LPG 모델링 접근법 (Direct, Singleton, Statement)에 따라 시맨틱 및 데이터 그래프를 구축한다. (4) SGIR-Tree 공간 그래프 인덱싱을 통해 공간 인덱스 그래프를 구축하여 MSKG를 완성한다.

본 아키텍처의 적용 가능성을 검증하기 위해 서울시 데이터를 활용한 주택 탐색 공간 KG를 구축하고 성능을 평가하였다. 실험 결과, LPG 모델링 접근법에 따른 구축 용량 및 쿼리 성능 차이를 규명하여 실시간 상호작용이 필요한 도메인에는 Direct 모델, 메타데이터가 풍부한 도메인에는 Statement 모델, 오프라인 분석에는 Singleton 모델이 적합하다는 설계 지침을 도출하였다. 또한, SGIR-Tree는 공간 및 그래프 연산의 통합 최적화를 통해 쿼리 속도를 상당히 향상시켰으며, 반자동 방법론은 도메인 요구사항에 대해 높은 KG 커버리지를 달성하였다.

본 연구는 주요 기여는 다음과 같다. 첫째, LPG 온톨로지를 정의하고 LPG 환경에서 온톨로지와 인스턴스를 체계적으로 통합하는 방법론을 정립하였다. 둘째, KG 구축의 전략적 태스크 분해와 LLM-전문가 상호작용을 통한 반자동 접근법으로 고품질 KG 구축이 가능함을 입증하였다. 셋째, 그래프 공간 인덱싱을 통해 공간 연산과 그래프 순회 간의 임피던스 불일치를 해소하였다. 넷째, 사전 계산된 공간 관계를 실시간 연산으로 대체하고 공간-의미 쿼리를 가능하게 하는 경량화된 공간 지식그래프 구조를 제시하였다. 이러한 기여는 LPG 환경에서의 공간 지식 그래프 구축을 위한 도메인 독립적 방법론을 확립하며, 통합된 공간-의미 추론이 필요한 모든 도메인에 적용 가능한 검증된 설계 지침을 제공한다. 향후 연구 방향으로는 실시간 서비스를 위한 증분 업데이트 메커니즘 개발, RDF 기반 시스템에 필적하는 네이티브 추론 기능 통합, 그리고 주택 탐색 사례 연구를 넘어선 교차 도메인 일반화 가능성 검증이 포함된다.

다국어 초록 (Multilingual Abstract)

This dissertation proposes the Multi-layered Spatial Knowledge Graph (MSKG), a comprehensive architecture designed to efficiently construct and utilize domain-specific spatial Knowledge Graphs (KGs) in Labeled Property Graph (LPG) environments. Conventional spatial KG construction has relied heavily on time-consuming manual processes and faced significant challenges in integrating spatial information. Furthermore, the absence of explicit ontological structures in LPG environments has limited the capacity for complex semantic reasoning. To address these issues, this research integrates three core layers—a Semantic Graph, a Data Graph, and a Spatial Index Graph—into a unified graph database.
The proposed MSKG architecture is established through a four-phase process: (1) analyzing KG requirements and extracting an initial LPG ontology through semi-automatic collaboration between Large Language Models (LLMs) and domain experts; (2) completing the LPG ontology by conducting graph completion, generating validating schema and inference rules via iterative LLM-expert interaction; (3) constructing Semantic and Data Graphs using three distinct LPG modeling approaches (Direct, Singleton, and Statement); and (4) finalizing the MSKG by building a Spatial Index Graph via SGIR-Tree indexing.
To validate the architecture's applicability, a housing exploration spatial KG was constructed using real-world data from Seoul, South Korea. Experimental results clarified the performance trade-offs among the LPG modeling approaches, leading to specific design guidelines: the Direct model is optimal for real-time interactive applications, the Statement model for metadata-rich domains, and the Singleton model for offline analytical workloads. Additionally, The SGIR-Tree achieves substantial query speedup by enabling unified optimization across spatial and graph operations. Semi-automatic methodology achieves high KG coverage of domain requirements.
This research makes four primary contributions: First, it defines an LPG ontology and establishes a systematic methodology for integrating ontologies with instances in an LPG environment. Second, it demonstrates that high-quality KGs can be constructed efficiently through strategic task decomposition and semi-automatic LLM-expert collaboration. Third, it resolves the impedance mismatch between spatial operations and graph traversals through graph-based spatial indexing. Fourth, it presents a lightweight spatial KG structure that enables spatial-semantic querying by replacing pre-computed spatial relationships with on-demand computation. These contributions establish domain-independent methodologies for spatial KG construction in LPG environments, providing validated design guidelines applicable to any domain requiring integrated spatial-semantic reasoning. Future research directions include developing incremental update mechanisms for real-time applications, integrating native reasoning capabilities comparable to RDF-based systems, and validating cross-domain generalizability beyond the housing exploration case study.

목차 (Table of Contents)

• Abstract ii
• Chapter 1. Introduction １
• 1.1. Study Background １
• 1.2. Purpose of Research ５
• Chapter 2. Related Works ９
• 2.1. Knowledge Graphs ９
• 2.2. LLM-based KG Construction １４
• 2.3. Spatial Knowledge Graphs ２２
• 2.4. Spatial Indexing in Graph DBMSs ２６
• 2.5. Summary ３４
• Chapter 3. Methodology ３７
• 3.1. Preliminaries ３７
• 3.2. Multi-Layered Spatial Knowledge Graph Architecture ４０
• 3.3. Specification & Ontology Extraction ４３
• 3.4. Ontology Completion ４７
• 3.5. Semantic & Data Graph Construction ５２
• 3.6. Spatial Index Graph Construction ５８
• Chapter 4. A Case Study of Housing Exploration ６９
• 4.1. Application ６９
• 4.2. Evaluation ８０
• 4.3. Discussion １１０
• Chapter 5. Conclusions １１５
• Bibliography １１８
• Abstract (in Korean) １２４
• Appendix １２６