[파이썬] matplotlib을 활용한 지식 그래프 Knowledge Graph 시각화

지식그래프 시각화

---

matplotlib을 활용한 지식 그래프 Knowledge Graph 시각화

---

들어가며

---

지식 노드 그래프 Knowledge Node Graph, 일반적으로 지식 그래프 Knowledge Graph는 현실의 다양한 사물들과 그 관계를 노드(Node)와 엣지(Edge)로 표현한 구조화된 데이터 모델입니다. 즉, 사물들 간의 관계를 시각적으로 표현한 그래프입니다.

지식 그래프 | "무엇이 무엇과 어떤 관계를 맺고 있는지"를 컴퓨터가 이해할 수 있도록 시각적으로 표현한 지식의 연결망

이 글에서는 지식 그래프에 대한 개념과 구성요소 그리고 파이썬을 활용하여 지식 그래프를 시각화하는 방법을 소개합니다. 시각화는 방향의 유무, 속성의 유무로 분류하여 소개합니다.

---

지식 그래프의 구성 요소

지식 그래프의 구성 요소는 다음과 같이 3가지로 구성됩니다.  

구성 요소	설명	예시
노드 Node	객체 Entity | 사람, 장소, 사물, 개념 등	사과, 빨강, 과일
엣지 Edge	노드 간 의 관계를 나타내는 선	사과 → 과일(사과는 과일이다)
속성 Property	노드나 엣지가 갖는 부가 정보	사과 → 색상(빨강), 포도 → 계절(가을)

---

지식 그래프가 중요한 이유

전통적인 RDS 데이터베이스는 행과 열로만 정보를 저장하기 때문에 개체 간 관계를 표현하기에 한계가 있습니다. 하지만, 지식 그래프는 정보 간 의미론적 관계를 명시적으로 드러내므로 컴퓨터가 정보를 더 사람처럼 이해하고 연결할 수 있습니다.

예를 들어, "비타민C 가 풍부한 과일은 뭐야?"라는 질문이 입력됐을 때, 지식 그래프에서는 사과 → 비타민C, 오렌지 → 비타민C 라는 연결이 있기 때문에, 즉각적으로 '사과'와 '오렌지'를 출력할 수 있습니다.

사과와 오렌지

---

• 지식 그래프 베이스 코드
  • 무방향 그래프
  • 무방향 그래프 + 속성
  • 방향 그래프
  • 방향 그래프 + 속성
•  지식 그래프의 확장

---

지식 그래프 베이스 코드

---

지식 그래프는 크게 방향의 유무에 따라 무방향 그래프, 방향 그래프로 분류할 수 있습니다. 지식 그래프에 필요한 패키지를 import하고, 시각화에 필요한 베이스 코드를 소개합니다.

import networkx as nx
import matplotlib.pyplot as plt

---

무방향 그래프

무방향 그래프에 대한 베이스 코드는 다음과 같습니다. nx.Graph()는 무방향 그래프를 생성합니다. 그래프 객체인 G에 'apple'과 'red' 노드를 생성함을 의미합니다.

G = nx.Graph()
G.add_edge("apple", "red")

---

위의 베이스 코드를 활용하여 matplotlib으로 그래프를 시각화하겠습니다. 

import networkx as nx
import matplotlib.pyplot as plt

G = nx.Graph()
G.add_edge("apple", "red")

pos = nx.spring_layout(G)  # 노드 배치 자동 조정
nx.draw(G,
        pos,
        with_labels=True,
        node_color='lightblue',
        edge_color='gray',
        node_size=2000,
        font_size=16)

plt.show()

무방향 그래프

---

무방향 그래프 + 속성

위의 베이스 코드를 활용하여 속성을 추가한 무방향 그래프를 시각화하겠습니다. add_edge에서 relation 속성을 추가하고, draw_networkx_edge_labels를 활용하여 시각화합니다.

import networkx as nx
import matplotlib.pyplot as plt

G = nx.Graph()
G.add_edge("apple", "red", relation="color")  # relation 추가

pos = nx.spring_layout(G)  # 노드 배치 자동 조정
nx.draw(G,
        pos,
        with_labels=True,
        node_color='lightblue',
        edge_color='gray',
        node_size=2000,
        font_size=16)

edge_labels = nx.get_edge_attributes(G, 'relation')
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_color='blue', font_size=12)

plt.show()

무방향 그래프 - 속성 추가

---

방향 그래프

방향 그래프에 대한 베이스 코드는 다음과 같습니다. nx.DiGraph()는 방향 그래프를 생성합니다. 그래프 객체인 G에 'apple'이라는 노드에서 'red'라는 노드로 방향이 있는 엣지를 추가하는 코드입니다. 여기서 주의할 점은 노드 간의 연결이 한 방향임을 의미한다는 것입니다. 즉, 'red → apple'이 아닌 'apple → red'를 의미합니다.

G = nx.DiGraph()
G.add_edge("apple", "red") # apple -> red

---

위의 베이스 코드를 활용하여 matplotlib으로 그래프를 시각화하겠습니다. 

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_edge("apple", "red") # apple -> red

pos = nx.spring_layout(G)  # 노드 배치 자동 조정
nx.draw(G,
        pos,
        with_labels=True,
        node_color='lightcoral',
        edge_color='gray',
        node_size=2000,
        font_size=16)

plt.show()

방향 그래프

---

방향 그래프 + 속성

위의 베이스 코드를 활용하여 속성을 추가한 방향 그래프를 시각화하겠습니다. add_edge에서 relation 속성을 추가하고, draw_networkx_edge_labels를 활용하여 시각화합니다.

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_edge("apple", "red", relation="color")  # relation 추가

pos = nx.spring_layout(G)  # 노드 배치 자동 조정
nx.draw(G,
        pos,
        with_labels=True,
        node_color='lightcoral',
        edge_color='gray',
        node_size=2000,
        font_size=16)

edge_labels = nx.get_edge_attributes(G, 'relation')
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_color='blue', font_size=12)

plt.show()

방향 그래프 - 속성 추가

반응형

---

지식 그래프의 확장

---

2개의 노드가 아닌 여러 개의 노드로 확장된 복잡한 구조도 가능합니다.

과일/채소에 대한 데이터를 fruit_knowledge에 저장하고, 그래프 객체인 G에 노드를 추가합니다. 과일/채소는 lightcoral 색상, 속성은 lightgreen 색상, 그 외는 gray 색상을 설정합니다.

import networkx as nx
import matplotlib.pyplot as plt

fruit_knowledge = {
    "apple": ["fruit", "red", "sweet", "vitamin_c", "fall"],
    "banana": ["fruit", "yellow", "sweet", "tropical"],
    "orange": ["fruit", "orange", "citrus", "vitamin_c"],
    "strawberry": ["fruit", "red", "small", "sweet", "spring"],
    "watermelon": ["fruit", "green", "red", "large", "summer"],
    "pineapple": ["fruit", "yellow", "tropical", "sweet", "hard_skin"],
    "blueberry": ["fruit", "blue", "small", "antioxidant"],
    "kiwi": ["fruit", "brown", "green", "vitamin_c", "tart"],
    "peach": ["fruit", "pink", "sweet", "summer"],
    "lemon": ["fruit", "yellow", "sour", "citrus"],
    "mango": ["fruit", "orange", "tropical", "sweet", "vitamin_a"],
    "cherry": ["fruit", "red", "small", "sweet", "summer"],
    "pear": ["fruit", "green", "sweet", "crunchy"],
    "plum": ["fruit", "purple", "tart", "stone_fruit"],
    "carrot": ["vegetable", "orange", "crunchy", "vitamin_a", "root"],
    "broccoli": ["vegetable", "green", "fibrous", "health", "cancer_fighting"],
    "spinach": ["vegetable", "green", "leafy", "iron", "health"],
    "cucumber": ["vegetable", "green", "crunchy", "hydration", "summer"],
    "potato": ["vegetable", "brown", "starchy", "root", "versatile"]
}


G = nx.DiGraph()
attributes_set = set()

# 노드 추가
for item, attributes in fruit_knowledge.items():
    for attr in attributes:
        G.add_edge(item, attr)
        attributes_set.add(attr)

# 색상 설정
node_colors = []
for node in G.nodes():
    if node in fruit_knowledge:  # 과일/채소 이름
        node_colors.append('lightcoral')  # 과일/채소는 lightcoral
    elif node in attributes_set:
        node_colors.append('lightgreen')  # 속성은 lightgreen
    else:
        node_colors.append('gray')  # 예외


pos = nx.spring_layout(G)  # 노드 배치 자동 조정
plt.figure(figsize=(12, 10))
nx.draw(
    G,
    pos,
    with_labels=True,
    node_color=node_colors,
    edge_color='gray',
    node_size=2000,
    font_size=11,
    arrows=True
)

plt.show()

지식 그래프의 확장

---