iDC-NEU/YiGraph

해결하는 문제

YiGraph는 복잡하고 지저분한 관계형 데이터를 명확한 비즈니스 인사이트로 전환하는 문제를 해결합니다. 거래 로그, 문서, 테이블 및 기타 원시 소스의 행은 종종 중요한 연결(누가 누구에게 송금하는지, 어떤 계정과 기기가 연결되어 있는지, 회사가 어떻게 관련되어 있는지)을 숨기지만, 이러한 연결을 발견하려면 일반적으로 그래프 전문 지식과 수동 작업이 필요합니다. YiGraph는 전체 파이프라인을 자동화합니다. 원시 데이터에서 엔티티와 관계를 추출하여 구조화된 그래프를 구축한 다음, 사용자가 자연어로 비즈니스 질문을 하면 명확하고 해석 가능하며 추적 가능한 분석 보고서를 받을 수 있습니다. 사용자가 그래프 알고리즘을 이해할 필요는 없습니다.

작동 방식

YiGraph는 AAG(Analytics-Augmented Generation) 프레임워크를 중심으로 구축된 엔드투엔드 에이전트 시스템입니다. 대규모 언어 모델은 사용자 의도 이해, 분석 작업을 단계로 분해, 최종 출력 구성을 담당합니다. 핵심 신뢰성 메커니즘은 핵심 분석 계산을 모델의 텍스트 추론에 맡기지 않는 것입니다. 대신 AAG는 계산 자체를 일급 기능으로 취급하고 검증 가능한 계산을 수행하기 위해 주요 단계에서 전문 그래프 알고리즘과 그래프 시스템을 호출하며, 모델이 이를 해석하고 요약합니다.

시스템은 세 단계로 작동합니다:

• 지식 기반 작업 계획: 무엇이든 실행하기 전에 YiGraph는 사용자의 질문이 무엇을 해결하려는지, 필요한 데이터 필드와 관계, 구축할 그래프 유형(어떤 엔티티, 어떤 관계), 적합한 분석 방법과 매개변수, 결과 해석 방법을 파악합니다.
• 알고리즘 중심의 신뢰할 수 있는 실행: 모델이 "제어할 수 없는 코드를 작성하고 실행"하도록 하는 대신, YiGraph는 검증 가능한 알고리즘 모듈을 중심으로 호출하고 결합합니다. 각 분석 단계는 재현 가능하고(동일한 입력은 안정적인 출력 생성), 추적 가능하며(어떤 알고리즘과 단계가 실행되었는지 확인 가능), 더 신뢰할 수 있습니다(핵심 계산은 순수 텍스트 추론이 아닌 전문 모듈에 의해 수행).
• 작업 인식 그래프 구축: 시스템은 모든 원시 데이터를 무차별적으로 하나의 거대한 그래프에 덤프하지 않습니다. 현재 문제와 관련된 엔티티와 관계만 선택적으로 추출하여 관련 없는 구조의 노이즈를 피하고, 실행에 더 적합한 형태로 그래프를 구성합니다.

YiGraph에는 기본(BFS, DFS, 위상 정렬), 경로 알고리즘(Dijkstra, Bellman-Ford), 중심성(PageRank, Betweenness), 연결성 및 컴포넌트, 클러스터링 및 커뮤니티 탐지(Louvain, Leiden, 레이블 전파), 흐름 및 컷, 매칭 및 컬러링, 클릭 및 코어, 거리 측정, 그래프 쿼리 연산 등 많은 범주를 포함하는 200개 이상의 그래프 알고리즘 내장 라이브러리가 포함되어 있습니다.

시스템은 두 가지 유형의 입력 데이터를 지원합니다: 기존 그래프 데이터와 엔티티 및 관계가 자동으로 추출되는 비정형 텍스트 데이터(문서, 로그, 보고서)입니다.

YiGraph는 세 가지 작동 모드를 제공합니다:

• 일반 모드: 사용자는 비즈니스 질문만 제출하면 시스템이 자동으로 파싱하고 적절한 그래프 알고리즘을 선택하여 실행하고 보고서를 생성합니다. 비기술적 또는 일반 비즈니스 사용자에게 적합합니다.
• 대화형 모드: 사용자가 YiGraph와 협력하고 시스템이 LLM과 상호 작용하여 계산 워크플로와 그래프 알고리즘을 결정한 후 실행합니다. 비즈니스와 그래프 알고리즘을 모두 이해하는 고급 사용자에게 적합합니다.
• 전문가 모드: 사용자가 문제와 함께 솔루션 접근 방식, 계산 단계, 그래프 알고리즘을 지정하고 YiGraph가 제공된 계획을 실행합니다. 전문가 사용자를 위한 것입니다.

배포 측면에서 YiGraph는 Python 3.11+가 필요하며 그래프 데이터베이스로 Neo4j를 사용하고(Neo4j 3.5.25로 테스트됨), LLM 공급자(OpenAI 또는 Ollama), 검색 및 임베딩 설정, 데이터 세트 정의를 설정하는 YAML 파일로 구성할 수 있습니다. Python 패키지는 PyPI에 yigraph 2.0.0으로 게시되어 있으며 웹 대화형 인터페이스 또는 터미널 대화형 모드로 실행할 수 있습니다. 데모 명령은 LLM, GPU 또는 데이터베이스 없이 최단 경로와 PageRank를 계산합니다.

대상 사용자

• 일반 비즈니스 사용자 및 비기술적 분석가: 그래프 이론을 배우지 않고 복잡한 데이터에서 답을 얻고자 하는 사람들. 일반 모드를 사용하고 자연어로 비즈니스 문제를 설명하기만 하면 됩니다.
• 고급 사용자: 비즈니스 도메인과 그래프 알고리즘을 모두 이해하고 계산 워크플로를 주도하려는 사람들. 대화형 모드를 사용합니다.
• 전문가 사용자: 비즈니스와 그래프 알고리즘에 대한 깊은 지식을 가지고 정확한 솔루션 접근 방식, 단계, 알고리즘을 지정하려는 사람들. 전문가 모드를 사용합니다.
• 관계형 데이터 분석 요구가 있는 조직: 금융 자금 세탁 방지 및 의심스러운 거래 분석(거래 네트워크를 구축하여 비정상적인 자금 경로와 의심스러운 루프 발견), 전자상거래 리스크 관리(계정, 기기, 주소를 연결하여 조직적 사기 및 관련 악성 행위 식별), 기업 연관성 및 리스크 조사, 공원/도시 이벤트 분석(출입 통제, 궤적, 이벤트 데이터에서 인물 관계 및 이벤트 진화 복원), 공급망 리스크 분석 등 여러 도메인을 포함합니다.

주요 특징

• 원시 데이터(로그, 문서, 테이블)에서 그래프, 최종 분석 보고서까지의 엔드투엔드 파이프라인.
• 자연어 인터페이스: 평이한 언어로 비즈니스 문제를 설명. 그래프 알고리즘 지식 불필요.
• 경로, 중심성, 커뮤니티, 흐름, 매칭, 클릭, 거리, 쿼리 등을 포함한 200개 이상의 내장 그래프 알고리즘.
• AAG 프레임워크로 신뢰성 보장—계산은 통제되지 않은 모델 생성 코드가 아닌 검증 가능한 알고리즘 모듈에 의해 실행되어 결과가 재현 가능하고 추적 가능.
• 문제 관련 엔티티와 관계만 선택적으로 구축하는 작업 인식 그래프 구축.
• 다양한 기술 수준을 위한 세 가지 사용 모드(일반, 대화형, 전문가).
• 다중 데이터 소스 지원: 그래프 데이터 및 비정형 텍스트 데이터.
• 실행 가능한 소스 프로젝트로 배포되고 게시된 PyPI 패키지(yigraph 2.0.0)와 웹 및 터미널 대화형 인터페이스 제공.