연구목표(한글 2000자 이내)도서관은 정보자원을 수집하고 조직하여 이용자의 정보 요구에 적합한 자원에 접근하고 이를 활용할 수 있도록 지원하는 기관이다. 이러한 기능을 실현하기 위한 핵심 도구는 목록이며, 1960년 미국 의회도서관에서 MARC가 제안된 이후 수십 년 동안 도서관 목록 데이터의 표준 구조로 활용되어 왔다. MARC는 서지 정보를 기계가독 형태로 구조화하여 도서관 간 서지 데이터 교환과 공유를 가능하게 하는 레코드 기반 데이터 구조로, 도서관 정보 조직과 데이터 교환의 기술적 기반으로 기능해 왔다.그러나 웹 환경의 발전과 함께 도서관이 구축한 서지 데이터를 웹에서 공유하고 외부 데이터와 연계할 필요성이 제기되었으며, 이에 시맨틱 웹과 링크드 데이터에 대한 논의가 확산되었다. 이러한 흐름 속에서 MARC 데이터를 RDF 기반 링크드 데이터로 변환하려는 시도가 이루어졌지만, MARC는 레코드 중심 구조로 설계되어 개체 중심 데이터 모델이나 데이터 간 의미적 관계 표현에 구조적 한계를 지니고 있었다.이러한 한계를 보완하기 위해 미국 의회도서관에서는 링크드 데이터 환경에 적합한 새로운 서지 프레임워크인 BIBFRAME(Bibliographic Framework)을 제안하였다. BIBFRAME은 RDF 기반 구조를 활용하여 서지 개체와 관계를 명시적으로 표현할 수 있도록 설계된 도서관 특화 온톨로지로, MARC 중심 목록 환경을 링크드 데이터 기반 서지 데이터 환경으로 전환하기 위한 대안으로 제시되었다. 이에 따라 전 세계적으로 MARC에서 BIBFRAME으로의 전환이 시도되고 있으며, 국내에서도 국가서지 정책을 통해 BIBFRAME 기반 서지 데이터 환경으로의 전환이 추진되고 있다.그러나 국내의 링크드 데이터 관련 연구와 구축 사례는 MARC 데이터를 RDF나 BIBFRAME 구조로 변환하는 기술적 측면에 주로 집중되어 있으며, 구축된 데이터를 실제의 도서관 정보서비스에서 활용하는 방안에 대한 논의는 상대적으로 부족하다. 또한 기관별로 서로 다른 데이터 모델과 어휘가 적용됨에 따라 개체 간 의미 관계와 기관 간 데이터 연결이 충분히 이루어지지 못하고 있으며, 일부 서비스는 제한적인 수준에서 운영되거나 지속적으로 활용되지 못하는 한계를 보이고 있다. 이러한 상황에서는 기존 서지 데이터를 링크드 데이터 형태로 공개한 것 이상의 실질적인 활용 가치를 확보하기 어렵다.따라서 BIBFRAME 데이터를 링크드 데이터 형태로 발행하는 것을 넘어, 개체와 관계 중심의 의미 구조를 실제 정보 탐색 과정에서 활용할 수 있는 방향으로 활용 범위를 확장할 필요가 있다. BIBFRAME 데이터는 온톨로지 기반 구조를 통해 개체와 관계 정보를 명시적으로 표현할 수 있으며, 이러한 특성은 데이터를 지식그래프 형태로 구조화하여 활용할 수 있는 가능성을 제공한다.최근에는 대규모 언어모델의 발전과 함께 지식그래프를 활용한 AI 기반 검색 방식이 새로운 연구 흐름으로 등장하고 있다. 그중 GraphRAG는 지식그래프와 생성형 AI를 결합한 구조로, 지식그래프의 개체와 관계 정보를 활용하여 자연어 질의를 이해하고 관련 지식을 탐색함으로써 맥락적인 응답을 제공할 수 있는 방식으로 주목받고 있다. 이러한 접근은 지식그래프의 의미 정보와 대규모 언어모델의 추론 능력을 결합함으로써 도서 추천, 연관 정보 탐색, 질의응답 등 지식 기반 정보 탐색 서비스를 구현할 가능성을 제시한다.이에 본 연구는 BIBFRAME 데이터의 의미 구조를 실제 정보 탐색에 활용하기 위한 방안으로 지식그래프와 AI 검색 기법을 결합한 GraphRAG 기반 검색 방식을 제안하고자 한다. 이를 위해 BIBFRAME 데이터를 기반으로 지식그래프를 구축하고 GraphRAG 구조를 적용한 BIBFRAME AI 검색 모델을 개발하여, 도서관 환경에서의 적용 가능성과 실제 서비스 구현 가능성을 실증적으로 분석하는 것을 연구의 목적으로 한다.기대효과(한글 2000자 이내)최근 다양한 분야에서는 지식그래프를 활용하여 기존의 데이터 중심 시스템을 지식 기반 업무 시스템으로 전환하려는 시...
