Knowledge Graphs in Information Systems: A Scopus Bibliometric Analysis of Research Evolution

Motivation

• Known: Knowledge graph는 Google의 2012년 대규모 산업 도입 이후 정보시스템의 핵심 기반기술로 자리잡았으며, 추천 시스템, NLP, 엔터프라이즈 지식관리 등 다양한 응용분야에서 활용되고 있다. 다만 knowledge graph 연구는 여러 학문 분야에 분산되어 있어 일관된 이해가 부족한 상황이다.
• Gap: 기존 연구들은 특정 기술적 측면이나 응용 분야에만 초점을 맞추고 있으며, 정보시스템 분야 내 knowledge graph 연구의 전체적인 진화를 포괄하는 체계적인 bibliometric 분석이 부재하다. 특히 knowledge graph와 linked data, 의미론적 웹 기술의 통합 진화 과정에 대한 장기적 관점의 분석이 필요하다.
• Why: Knowledge graph 연구 분야가 급속히 발전하고 있으며 AI 기술과의 수렴이 가속화되고 있어, 분야의 지적 구조를 체계적으로 파악하는 것이 미래 연구 방향 설정과 실무적 전략 수립에 필수적이다.
• Approach: Scopus에서 수집한 데이터에 대해 performance analysis(출판 생산성, 영향력 분석)와 science mapping(co-authorship, co-citation, keyword co-occurrence 네트워크)을 통합하여 분석하고, VOSviewer를 활용하여 연구 주제의 군집화와 시간적 진화를 시각화한다.

Achievement

Figure 2 presents the keyword co-

• 출판 동향 분석: 2012년 이후 knowledge graph 관련 출판물이 급격한 증가 추세를 보이며, 데이터 기반 환경에서의 중요성이 지속적으로 증대되고 있음을 규명
• 국제 협력 네트워크: 중국과 미국의 dominant contribution을 포함한 강력한 글로벌 co-authorship 구조를 확인
• 주제 진화 매핑: 초기의 ontology와 정보관리에서 출발하여 AI, 기계학습, NLP, 추천 시스템으로의 명확한 thematic shift 규명
• 영향력 있는 기초 분야: Bioinformatics, semantic networks, graph-based learning이 knowledge graph 연구의 주요 이론적 기초임을 확인
• 신흥 연구 방향: Application-oriented 및 AI-integrated 연구 트렌드의 emergence를 시각화를 통해 입증

How

Figure 1 presents the author co-

• Scopus 데이터베이스에서 'knowledge graph' 관련 키워드를 제목, 초록, 저자 키워드에 적용하여 검색", '저널 논문, 학술대회 발표, 리뷰 논문만 포함하고 editorials, notes, 서평 등은 제외
• 영문 문헌만으로 제한하여 해석의 일관성 확보
• CSV 형식으로 저자명, 출판 제목, 초록, 키워드, 출판 연도, 소속기관, 인용 횟수 등의 bibliographic 정보 추출
• 중복 기록 제거, 저자 및 기관명 표준화, 동의어 키워드 통합 등의 data cleaning 수행
• Descriptive analysis를 통해 연도별 출판 수, 문서 유형별 분포, 주요 저널 파악
• Network analysis로 co-authorship, co-citation, keyword co-occurrence 패턴 분석
• VOSviewer를 활용하여 네트워크 맵, overlay visualization, density visualization 생성

Originality

• Information systems 분야에 특화된 포괄적인 knowledge graph bibliometric 분석으로, 기존의 단편적이고 분산된 연구를 통합적으로 조망
• 장기간의 시간적 범위를 통해 2012년 Google 도입 이후의 진화 과정을 체계적으로 추적
• Performance analysis와 science mapping의 통합으로 단순한 통계 분석을 넘어 지적 구조와 네트워크를 가시화
• Overlay visualization과 density visualization을 활용한 신흥 주제의 동적 식별 방법론

Limitation & Further Study

• Scopus 데이터베이스만 사용하여 Web of Science, Google Scholar 등 다른 주요 인용 데이터베이스의 논문이 누락될 가능성
• 영문 문헌만 포함함으로써 비영어권 출판물의 기여가 반영되지 못함
• 2012-2026년 기간에 편중된 분석으로 knowledge graph의 개념적 기원이나 초기 발전 단계에 대한 역사적 깊이 부족
• 단순 출판량과 인용 수 기반의 분석으로 논문의 질적 기여도나 실제 산업 영향력에 대한 평가 미흡
• Co-authorship, citation, keyword 네트워크 외에 research funding patterns, patent data 등 다른 지표의 분석 부재
• 후속 연구: 다국어 데이터베이스 통합, 실증 사례 연구를 통한 knowledge graph 도입의 실제 영향 평가, 특정 응용 분야별 심화 분석, 신흥 주제의 예측 모델링

Evaluation

총평: 본 논문은 정보시스템 분야의 knowledge graph 연구 진화를 체계적으로 매핑하는 포괄적인 bibliometric 분석을 제공하며, 주제의 급속한 변화와 AI 통합 추세를 규명함으로써 학술적, 실무적 가치를 충분히 입증한다. 다만 단일 데이터베이스와 영문 문헌만의 제한, 질적 평가의 부족이 분석 깊이를 다소 제약한다.