온톨로지를 구축하려면 어떤 객체와 속성, 구조적 관계를 타당한 지식으로 받아들일지 결정하는 과정이 필수적이다. 언어모델은 텍스트로부터 이런 구조를 제안할 수 있지만, 그 출력이 근거가 부족하거나 일관성이 떨어질 수 있다는 한계가 있다. 이에 연구진은 형식 개념 분석(FCA)을 지식 확장을 위한 상징적 검증 루프로 활용하는 검색 증강 소형언어모델(SLM) 프레임워크를 제안했다.
이 프레임워크는 초기 속성(시드 속성)에서 출발해, 점차 확장되는 형식적 맥락(formal context) 위에서 FCA가 함의(implication)를 제안하는 방식으로 작동한다. 이어 검색에 기반한 SLM 오라클이 각 함의를 검증하거나 반례를 반환한다. 이 오라클은 함의 검증뿐 아니라 관계 존재 판단, 일관성 검사, 속성 제안까지 지원해, 승인된 함의와 반례, 모순, 수정 사항 등을 모두 확인할 수 있도록 설계됐다.
연구진은 희귀 운동실조증(ataxia) 사례를 오르파데이터(Orphadata) 자료를 바탕으로 구성해 검증에 활용했다. 검색 기반 10개 시드 속성 실험에서 관계 F1 점수는 0.29에서 0.52 사이, 폐포 기반 함의 F1 점수는 0.22에서 0.30 사이로 나타났다. 시드 속성 집합을 늘릴수록 평가되는 함의의 수가 늘고 함의 F1 점수도 대체로 향상되는 경향을 보였다. 연구진은 함의 점수가 상대적으로 낮게 나타난 이유를, 도출된 함의에 대한 평가 기준이 더 엄격해 하나의 관계 누락이나 오류가 여러 함의 판단에 동시에 영향을 미치기 때문이라고 설명했다. 절제 실험 결과 고정된 객체-속성 설정에서의 관계 존재 판단은 폐포 기반 함의 점수를 개선하는 데 도움이 됐지만, 후보 객체와 속성이 고정된 상태에서도 긍정적인 객체-속성 쌍을 식별하는 일 자체는 여전히 어려운 과제로 남았다.
이번 연구는 언어모델의 생성 능력과 형식 개념 분석의 수학적 엄밀성을 결합해, 지식 확장 과정에서 신뢰할 수 있는 검증 경로를 확보하려는 시도로 평가된다. 특히 희귀질환처럼 데이터가 부족한 전문 도메인에서 검증 가능한 온톨로지를 구축하는 데 실질적인 적용 가능성을 보여준다.
