채용 도메인에서 기업-인재 맥락 매칭을 위한 Knowledge Graph 설계/구축/서빙 문서입니다.
- 설계 진행 문서 완료 후 아래 주소로 이동
| 디렉토리 | 정의 | 현재 버전 | 핵심 내용 |
|---|---|---|---|
01.ontology/ |
what to represent (순수 스키마) | v26 | CompanyContext, CandidateContext, MappingFeatures(F1-F5), 논리 Graph Schema(9노드) |
02.knowledge_graph/ |
how to build (추출/정규화/품질) | v18 | 4개 파이프라인(A/B/B'/C), LLM 프롬프트, PII 마스킹, 3-Tier 비교, 데이터 품질 |
03.graphrag/ |
how to serve (구현/배포/평가) | separate/v8 | S&F/GraphRAG 2팀 분리 실행, Neo4j 스키마, BigQuery 서빙, 5-피처 매칭, 평가 전략 |
llm_reviews/ |
리뷰/변경 이력 | — | 각 디렉토리 대응 리뷰, changelog, 개선 계획 |
00.datamodel/ |
데이터 모델 분석 | — | resume-hub/job-hub DB 구조 분석 |
10.ml_pipeline/ |
ML 파이프라인 | — | GCP ML Platform 설계 (오케스트레이션 플로우) |
| 디렉토리 | 포함해야 할 것 | 포함하면 안 되는 것 |
|---|---|---|
01.ontology |
필드 정의, 타입, Taxonomy, JSON 스키마, 매핑 규칙(what maps to what), confidence 모델, 논리적 그래프 구조 | 구현 코드, 기술 스택 선택, 비용, 파이프라인, 흐름, 인프라 |
02.knowledge_graph |
추출 방법, 정규화 로직, LLM 프롬프트, PII 처리, 데이터 품질 메트릭, 파이프라인 흐름 | 서빙 방법, 매칭 알고리즘, Neo4j/BQ 구현 |
03.graphrag |
GCP 구현 계획, Neo4j/BQ 스키마, 비용, 평가 실험, 운영 정책, 서빙 인터페이스 | 순수 온톨로지 정의, 추출 프롬프트 설계 |
graph TD
subgraph "설계 문서"
ONT["<b>01.ontology</b> (v26)<br/><i>what to represent</i><br/>CompanyContext, CandidateContext<br/>MappingFeatures F1-F5<br/>논리 그래프 스키마 (9노드)"]
KG["<b>02.knowledge_graph</b> (v18)<br/><i>how to build</i><br/>추출 파이프라인 A/B/B'/C<br/>LLM 프롬프트 (Haiku 4.5)<br/>정규화, 데이터 품질"]
GR["<b>03.graphrag</b> (separate/v8)<br/><i>how to serve</i><br/>S&F 팀 + GraphRAG 팀<br/>Neo4j 적재, 5-피처 매칭<br/>Data Contract + PubSub"]
end
subgraph "이력 관리"
LR["<b>llm_reviews/</b><br/>리뷰 · changelog · 개선 계획"]
end
ONT -->|"스키마 정의"| KG
KG -->|"추출 아티팩트"| GR
ONT -.->|"v3~v19 리뷰"| LR
KG -.->|"v1~v12 리뷰/changelog"| LR
GR -.->|"core/separate 리뷰, planning"| LR
- 이 README — 전체 구조 파악
01.ontology/README.md— 온톨로지 스키마 개요 (CompanyContext, CandidateContext, Graph Schema)02.knowledge_graph/README.md— 추출 파이프라인 개요 (DB-first, LLM 프롬프트, PII)03.graphrag/README.md— GCP 구현 계획 개요 (2팀 분리, 타임라인, 비용)