2.1 웹과 시맨틱 웹

웹의 창시자는 팀 버너스 리이다. 팀 버너스 리는 유럽입자물리연구소(Conseil Européen pour la Recherche Nucléaire, CERN)에 근무하던 1989년 3월 "Information Management: A Proposal"이라는 제목의 제안서를 작성하였다. 오늘날 웹의 원형으로 개발 목적은 연구 결과와 정보를 CERN 내의 다양한 그룹과 더 효율적으로 공유할 수 있는 시스템을 만드는 것이었다. 핵심은 하이퍼텍스트를 이용하여 정보를 연결하는 것이다(Berners-Lee & Timothy, 1989).

1993년에 CERN은 웹 기술을 전 세계에 무료로 제공하기로 결정했으며, 이는 웹의 빠른 확산에 크게 기여했다. 웹의 개발은 CERN에서의 연구와 정보 공유의 필요에 의해 추진되었지만, 이는 곧 전 세계적인 정보 접근의 혁신으로 이어졌다. 초기 웹은 주로 텍스트 기반의 정보를 다루었지만, 점차 멀티미디어 요소가 통합되면서 오늘날의 다양한 웹 경험을 가능하게 했다. 팀 버너스 리는 이후 웹의 표준화와 개방성을 촉진하기 위해 월드 와이드 웹 컨소시엄(W3C)을 설립하였고, 웹의 개발과 혁신을 지속적으로 이끌어왔다(CERN, 2014)3.

이런 웹의 모습은 HTML 문법을 따르는 문서들이 HTTP 프로토콜을 사용해서 서로 연결(hyperlink)된 거대한 문서집합으로 표현할 수 있다. 현재 모습으로도 웹은 훌륭한 정보자원으로 역할을 잘 수행하고 있다. 그런데 팀 버너스 리는 현재 웹의 좀 더 발전적인 활용 방안으로 시맨틱 웹이라는 새로운 개념을 제안하였다. 팀 버너스 리는 시맨틱 웹을 “현재 웹이 확장된 형태로, 잘 정의된 의미를 정보에 부여함으로써 사람과 컴퓨터의 협업을 보다 원활하게 할 수 있도록 하는 것”으로 정의하였다(Berners-Lee, Hendler and Lassila, 20014).

시맨틱 웹 정의에서는 이를 어디에 만들고, 어떻게 만들고, 왜 필요한지, 누구를 위한 것인지가 잘 드러난다. 정의와 용어에서 알 수 있듯이 시맨틱 웹은 현재의 웹이라는 플랫폼을 그대로 활용한다. 그리고 중요한 것은 누구를 위해 왜 하는가인데, 이는 사람을 위해 사람과 컴퓨터의 협업이 가능한 형태로 구축해야 함을 의미한다. 그 방법이 바로 잘 정의된 의미 정보를 부여하는 것이다. 핵심은 여기에 있다. 현재 우리가 사용하고 있는 웹은 인간의 가독성을 중심에 둔 형태로 기계가 처리하기에는 어렵다. 단적인 예는 다음의 코드를 비교함으로써 쉽게 이해할 수 있다.

<h1>링크드 데이터의 이해</h1> <h2>박진호</h2>

<h1>과 <h2> 태그는 HTML에서 웹 문서 내의 제목을 정의하는 데 사용된다. <h1>은 주요 제목을 나타내며, 일반적으로 페이지에서 가장 중요하고 눈에 띈다. <h2>는 <h1>의 하위 제목으로, 덜 중요하고 <h1>보다는 덜 눈에 띄게 표시된다. 한글, 한국어를 사용하는 인간은 웹 문서에서 이 정보를 접하면 제목과 저자라고 쉽게 이해한다. 그런데 기계는 제목과 저자로 처리할 수 있을까? <h2>를 사람이름이라고 인식할 수 있을까? 다음 코드는 <h1>, <h2> 대신에 명확하게 태그가 표현하고자 하는 값이 무엇을 의미하는지 표현하고 있다.

<title>링크드 데이터의 이해</title> <creator>박진호</creator>

위 예제는 소위 XML 형태로 HTML과 다르게 값의 의미를 짐작할 수 있다. XML 형태로 기계처리도 가능하다. 하지만 XML로는 위의 시맨틱 웹 정의에서 말한 잘 정의된 의미를 정보가 부여되었다고 보기 어렵다. <title> 태그는 인간이 보기에는 그 의미를 이해할 수 있지만 기계가 그 의미를 알고 처리한다고 보기는 어렵다. XML은 구조화된 정보 전달로써 가치는 있지만 시맨틱 웹이 추구하는 의미처리에는 미흡하다.

의미기반 웹(semantic web)이 새로운 웹의 형태적 측면을 강조한 표현이라면 이전 웹은 구문기반 웹(syntax web)으로 볼 수 있다. HTML 태그 사용이 대표적인 구문 기반 웹의 핵심이다. 기존 웹을 플랫폼으로 그대로 사용하고 서로 연결된 새로운 데이터 웹을 만드는 것이 핵심이라면 시맨틱 웹이 이전 웹과 다른 가장 큰 특징은 의미전달이 가능한 새로운 표현언어에 있다. 이것이 RDF(Resource Description Framework)이며, 일반적으로 링크드 데이터로 데이터를 발행하는데 표준으로 활용된다. 시맨틱 웹은 현재의 웹을 확장하는 것으로 웹의 핵심기술을 그대로 활용한다. 단, 구문(syntax)이 아니라 의미(semantic)전달을 위해 HTML이 아니라 RDF라는 새로운 기술방식이 필요한 것이다.

2.2 시맨틱 웹과 링크드 데이터

시맨틱 웹과 링크드 데이터는 밀접한 관계를 가진다. 위의 정의에서 살펴본 것처럼 시맨틱 웹은 웹 데이터에 의미를 부여하여 기계가 처리할 수 있도록 설계된 웹의 확장된 형태이다. 링크드 데이터는 시맨틱 웹의 핵심 기술 중 하나로 이 두 개념은 서로를 보완하는 관계에 있다. 시맨틱 웹은 웹 데이터가 단순히 문서의 집합으로 존재하는 것이 아니라, 데이터 간의 명확한 관계를 통해 연결된 지식의 네트워크 형성을 추구한다.

링크드 데이터는 시맨틱 웹의 구현을 위한 구체적인 방법론이다. 이는 웹 상의 데이터를 표준화된 형식(RDF)으로 구조화하고, URI(Uniform Resource Identifier)를 사용하여 데이터 포인트 간에 명확한 링크를 생성함으로써 데이터 간의 관계를 명시적으로 표현한다. 이렇게 연결된 데이터는 서로를 참조하며, 이를 통해 사람과 기계가 데이터의 의미와 관계를 보다 명확하게 이해할 수 있게 된다. 결국, 시맨틱 웹은 링크드 데이터를 통해 실현될 수 있으며, 링크드 데이터는 시맨틱 웹의 이론을 실제로 구현하는 데 필수적인 기술이다. 이 두 개념은 함께 작동하여 웹을 단순한 정보의 저장소에서 의미와 관계가 풍부한 지식의 웹으로 변화시키는데 기여한다.

링크드 데이터는 데이터 제공자는 구축, 이용자는 활용해야 하는 최종 형태이다. 링크드 데이터로 데이터를 설계하고 발행하기 위해서는 기본적으로 지켜야 하는 원칙이 존재하며, 역시 팀 버너스 리가 제안하였고 아래와 같다(W3C, 20235)

실제 발행된 링크드 데이터를 검토하면 위 원칙을 쉽게 이해할 수 있다. <그림 1>은 DBpedia의 정보 중 일부로 우리나라의 수도 ‘서울’에 대해 설명하고 있는 링크드 데이터 페이지이다. DBpedia는 2007년에 시작된 프로젝트로, 위키백과의 정보를 구조화하여 기계가 이해하고 처리할 수 있는 데이터로 변환하는 것을 목표로 한다 (DBpedia, n.d.6). DBpedia의 개발 배경은 웹의 데이터를 더 잘 이해하고 연결하는 데 있다. 이를 통해 사용자는 다양한 데이터 소스 간의 상호운용성을 높이고, 인공지능 및 데이터 분석 응용 프로그램에 활용할 수 있는 풍부한 데이터 집합을 제공받을 수 있다. DBpedia는 현재 다양한 도메인의 데이터를 포괄하고 있으며, 이를 통해 여러 다른 데이터 세트와의 상호 연계를 가능하게 한다. DBpedia는 현재도 계속 발전하고 있는 다양한 언어를 지원하는 글로벌 오픈 데이터로 중요한 역할을 하고 있다(Dojchinovski et al., 20187).

<그림 1>의 URL은 “https://dbpedia.org/page/Seoul”이다. 링크드 데이터의 첫 번째 원칙은 특정 개념을 URI를 사용하여 명명하는 것으로 <그림 1>은 ‘서울’이라는 개념을 URI로 명명 즉 식별하고 있음을 보여준다. URI는 중복을 허용하지 않는 고유한 명명체계로 식별자 역할을 수행할 수 있다. 두 번째 원칙은 HTTP를 활용해서 URIs로 명명된 자원에 접근할 수 있도록 하는 것으로 <그림 1>에서 보는 것처럼 서울에 해당하는 URI를 통해서 ‘서울’ 정보에 접근할 수 있음을 확인할 수 있다. 세 번째 원칙은 URI로 정보를 찾았을 때 RDF(S), SPARQL과 같은 표준을 활용해서 유용한 정보를 제공해야 한다는 것이다.

그림 1.

DBpedia에서 ‘서울’이라는 개념을 설명하고 링크드 데이터 페이지(출처: DBpedia( https://dbpedia.org/page/Seoul))

현재 <그림 1>은 HTML 형태로 표현된 정보로 이 외 다양한 구조화된 형식으로 ‘서울’에 대한 정보를 제공한다(<그림 2 참조>).

그림 2.

DBpedia에서 ‘서울’ (출처: DBpedia( https://dbpedia.org/page/Seoul))

<그림 2>에서 보면 두 가지를 확인할 수 있다. 첫 번째는 ‘Formats’ 서비스로 HTML 외 다양한 RDF 형식의 데이터 서비스를 확인할 수 있다. 두 번째는 Sparql Endpoint이다. <그림 3>은 RDF 형식 중 XML 형식의 데이터를 다운로드하여 확인한 결과 중 일부이다.

그림 3.

DBpedia에서 ‘서울’의 RDF/XML 중 일부

<그림 3>은 RDF 형식 중 XML 형식의 데이터를 다운로드하여 확인한 결과 중 일부이다. <그림 4>는 Sparql 서비스화면이다.

그림 4.

DBpedia의 Sparql 서비스 화면(출처: DBpedia( https://dbpedia.org/sparql/))

Sparql은 RDF 데이터를 조회하기 위해 사용되는 질의 언어이다. SPARQL을 사용하면 RDF 데이터 집합에서 복잡한 질의를 수행하여 특정 정보를 추출하거나 데이터 간의 관계를 탐색할 수 있다.

마지막 원칙은 또 다른 URI를 포함하고 있어서 더 많은 것(개념, things)들을 탐색할 수 있어야 한다는 것이다. 이 마지막 원칙이 가장 핵심이다. 링크를 통해서 무엇을 연결하고 어떤 정보를 제공해주는지를 확인하면 시맨틱 웹의 핵심인 ‘의미’를 부여하는 것이 어떤 것인지 확인할 수 있다. 우리에게 익숙한 현재의 웹, 즉 문서 중심의 웹에서 링크는 관련된 또다른 문서로의 이동을 의미한다. 반면 시맨틱 웹, 링크드 데이터에서의 링크는 2가지 서로 다른 정보를 제공한다. 첫 번째는 문서 중심 웹과 같이 관련 정보, 또 다른 개념으로의 이동과 관련 데이터 제공이다. <그림 5>가 그 예이다.

그림 5.

서울에서 태어난 사람을 연결하는 예시(출처: DBpedia( https://dbpedia.org/page/Psy))

<그림 5>를 보면 ‘is dbo:birthplace of’ 즉 서울을 출생지로 갖는 사람에 대한 정보를 연결하여 보여주고 있다. 해당 정보 중 ‘dbr:Psy’를 연결하면 가수 ‘싸이’를 설명하는 또 다른 링크드 데이터 페이지로 이동함을 확인할 수 있다. 이는 기존과 같은 개념의 링크 정보이다. 그런데, ‘싸이’라는 개념, 객체와 ‘서울’이라는 개념, 객체를 연결해주는 속성인 ‘dbo:birthPlace’라는 속성에도 링크 정보가 있는 것을 확인할 수 있다. 연결된 정보를 확인해보면 <그림 6>과 같다.

그림 6.

‘dbo:birthPlace’ 속성에 연결된 정보(출처: DBpedia( https://dbpedia.org/ontology/birthPlace))

<그림 6>은 ‘dbo:birthPlace’ 속성에 대한 정보를 제공해준다. 이 요소의 정의가 무엇이고, 유형(type)이 무엇인지 등과 같이 해당 속성을 사용하는데 필요한 모든 규칙들이 정의되어 있다. 링크드 데이터는 기술대상인 개체나 개념 외에 이 개체와 개념을 표현하는 데 필요한 모든 규칙들도 URI를 기반으로 상세정보를 제공한다는 점이 기존 웹과 다른 점이다. 서두에 제시했던 것처럼 시맨틱 웹은 웹을 문서 정보가 아니라 데이터베이스로 만들기 위한 작업으로 볼 수 있다. 웹이라는 자유로운 공간에서 데이터베이스로 사용하기 위해서는 데이터베이스 구성에 필요한 규칙들도 함께 공유되어야 한다. 이 점을 고려한다면 링크드 데이터의 연결이 갖는 특징을 쉽게 이해할 수 있다. 시맨틱 웹에 구현되는 링크드 데이터 형식의 데이터들은 설계도가 함께 표현되어 있고, 설계도 역시 링크드 데이터 발행 원칙을 그대로 준수하며, 웹 표준을 따른다. URI는 식별자이자, 연결을 가능하게 핵심 기술요소로 작동된다. 이런 특징은 RDF 기술 규칙에 따라 생성되는 데이터를 보면 쉽게 이해할 수 있다.

RDF는 데이터를 그래프(graph) 형태로 표현할 수 있는 모델이다. 그래프 데이터베이스와 유사하게 RDF는 데이터를 노드(node)와 엣지(edge, 노드 간의 관계를 나타내는 연결선)로 구성된 그래프 형태로 표현할 수 있다. 각 노드는 리소스나 속성값을 나타내며, 엣지는 노드들 사이의 관계를 표현한다. 지금까지 예제로 사용한 ‘서울’의 RDF 데이터를 예를 좀 더 검토하면 RDF로 표현 가능한 두 가지 형식을 발견할 수 있다. 먼저 HTML로 표현된 서울의 RDF 데이터 중 일부를 살펴보면 <그림 7>과 같다.

그림 7.

HTML로 표현된 서울 RDF 데이터 중 일부(출처: DBpedia( https://dbpedia.org/page/Seoul))

<그림 7>의 데이터를 RDF 형식 중 하나인 N-Triples로 살펴보면 다음과 같다.

<http://dbpedia.org/resource/Seoul> <http://dbpedia.org/ontology/PopulatedPlace/areaTotal> "605.21" <http://dbpedia.org/resource/Seoul> <http://dbpedia.org/ontology/country><http://dbpedia.org/resource/South_Korea> .

위 두 가지 형식을 간단하게 정리하면 다음과 같다.

RDF는 아주 간단한 방식으로 데이터를 기술한다. 위와 같이 트리플(triple)형태로 데이터를 기술하며, 형태는 2가지에 불과하다. RDF 트리플은 주어(subject), 술어(predicate), 목적어(object)의 세 가지 구성요소로 구성된다. 주어는 기술대상 데이터 자원을, 목적어(object)는 주어와 관계 맺는 또 다른 자원 혹은 문자형태의 값(literal)을, 술어는 주어와 목적어의 관계를 설명하는 속성을 의미한다. 웹을 플랫폼으로 하기 때문에 이 3가지 요소는 URI를 기반으로 서술할 수 있다. URI는 유일성을 보장하기 때문에 이를 기반으로 표현된 데이터들은 정확하게 연결되고, 풍부한 데이터 생태계 구성이 가능한 것이다.

또 한가지 중요하게 고려해야 할 것은 상호운용성이다. 내가 RDF 형식으로 데이터를 발행하더라도 표준에 맞추어 데이터를 기술하지 않으면 다른 데이터와의 상호운용은 불가능하다. DBpedia ‘서울’ 페이지에서 사용하고 있는 다양한 속성들은 dbpedia ontology 모델을 준용한다. 그래서 각 속성들은 ‘dbo’라는 네임스페이스를 사용한다. 예를 들면 ‘dbo:areaTotal’, ‘dbo:abstract’, ‘dbo:country’ 등 이다. 해당 온톨로지에서 정의하는 다양한 클래스와 속성 정보 역시 RDF 형식으로 내용을 확인할 수 있다.

그림 8.

DBpedia ontology에서 사용하는 용어집 중 일부(출처: DBpedia( https://dbpedia.org/ontology/))

<그림 8>은 DBpedia ontology에서 사용하는 다양한 용어들을 설명하고 있는 용어집이다. 정보자원을 기술할 때 내가 기술하는 대상 정보자원의 유형에 적합한 표준 온톨로지를 사용함으로써 데이터의 상호운용성이 높아지는 것이다.

현재 다양한 정보자원 관리 기관과 조직들이 다양한 형태의 정보자원을 링크드 데이터 형태로 발행하고 있으면 이는 거대한 웹 데이터베이스를 형성하고 있다. <그림 9>는 2007년 5월에 시각화된 링크드 오픈 데이터 다이어그램이고 <그림 10>은 2023년 9월에 작성된 것이다. 해당 그래프는 전세계 링크드 데이터를 대상으로 시각화한 것이다. 해당 그래프는 Dublin City University, NUI Galway, University College Cork, University College Dublin의 연구자들이 포함된 Insight Center for Data Analytics에서 유지 관리하고 있다.

그림 9.

2007년 5월 LOD 클라우드 다이어그램(출처: The Linked Open Data Cloud ( https://lod-cloud.net/))

그림 10.

2023년 9월 LOD 클라우드 다이어그램(출처: The Linked Open Data Cloud ( https://lod-cloud.net/))

링크드 데이터는 개방형 데이터(open data) 형태로 지속적으로 증가하고 있으며, 데이터 기반의 새로운 웹 생태계를 만들어가고 있다. 오픈 데이터는 저작권에 상관없이 누구나 자유롭게 데이터를 활용, 재활용, 재배포할 수 있는 데이터를 말한다. 일반적으로 링크드 데이터는 링크드 오픈 데이터(Linked Open Data)로 불리는데 이는 링크드 데이터와 오픈 데이터의 합성어이다. 웹이라는 개방된 생태계를 활용한다는 점에서 그리고 링크드 데이터가 다른 데이터와 연결이 중요하다는 점을 감안할 때 이 둘은 땔 수 없는 관계에 있다고 볼 수 있다. 링크드 데이터는 개방형 생태계와 만날 때 그 가치가 증가한다고 할 수 있다.

그림 11.

5Star open data8 (출처: 5 ★ OPEN DATA( https://5stardata.info/en/))

<그림 11>은 팀 버너스 리가 5개 별점으로 오픈 데이터의 단계를 제안한 것이다. 오픈 데이터 중 가장 높은 수준이자 지향점은 LOD이다. 별점 1점부터 5점까지는 단순히 데이터를 개방하는 것이 아니라 누구나 자유롭게 활용할 수 있는 정도와 데이터가 의미기반의 구성되어 있는 정도에 따라 구분하였다.

지금까지 시맨틱 웹, 그 중에서도 링크드 데이터에 대해서 간략하게 검토해 보았다. 실제 링크드 데이터 변환과 발행을 위해서는 다양한 기술적 장치 도입을 포함한 노력이 필요하다. 여기서는 링크드 데이터의 이해를 위해 개념을 중심으로 검토하였다.

3.1 디지털 인문학과 링크드 데이터

디지털 인문학은 진화하고 있는 학문분야로 볼 수 있다. 기술발전과 새로운 문화형성에 따라 그 개념은 변화하고 있다고 볼 수 있다. 다양한 정의들이 존재하지만 일반적으로 디지털 인문학은 디지털 기술과 인문학의 교차점에 있는 분야로 볼 수 있다. 필연적으로 디지털 도구를 활용한 학문 연구와 접근이 필요하다. 이와 함께 디지털 형태의 정보자원 혹은 디지털 도구를 활용한 오래된 정보자원의 변화 등을 통해 기존 연구에 대한 재해석, 보다 정확하고 근거에 기반한 연구결과 도출이 가능하다. 즉 디지털 인문학 작업은 질적 연구에 정량적 방법을 적용한 새로운 길을 열었다고 볼 수 있다.

링크드 데이터는 웹을 기반으로 누구나 자유롭게 사용할 수 있는 개방형 데이터베이스이다. 덤프 형태(dump)의 데이터세트 제공이나, 오픈 API(open API)와 같이 널리 활용되고 있는 개방방식에 비하면 늦은 출발이라고 볼 수 있지만, 확산속도는 대단하다. 여러가지 이유가 있겠지만 기본적으로 링크드 데이터의 원천 데이터는 이미 현재 웹을 구성하고 있는 다양한 데이터베이스들에 기반하고 있다는 점이 가장 큰 영향으로 볼 수 있다. 대부분의 웹 정보자원들은 데이터베이스 형태로 구조화되어 관리되고 있는 상태이므로 이를 링크드 데이터 원칙에 맞추어 표준 용어집을 사용하여 발행하고 공유하는 일은 완전히 새로운 일을 시작하는 것과는 다르다.

링크드 데이터의 확산은 디지털 인문학 입장에서는 자유롭게 활용할 수 있는 고품질 데이터의 확보라는 관점에서 보면 긍정적이다. 특히 웹을 플랫폼으로 하는 대규모 데이터세트라는 점에서 매력적이다. 링크드 데이터의 본질적인 구조는 잘 정의되고 표준화된 개념과 속성에 기반을 두고 있으며, 이는 다양한 플랫폼과 응용 프로그램에서 데이터에 대한 일관된 해석을 보장한다. 이러한 특성은 데이터세트가 신뢰할 수 있고 기계 처리에 적합하며, 학술 및 산업에서 응용에 대한 유용성을 향상시킬 수 있다는 점에서 더 중요하다.

링크드 데이터는 일관된 의미 구조 덕분에 데이터세트가 본질적으로 상호 운용 가능하다. 이는 다양한 도메인에서 공통의 이해와 공유라는 점에서 중요하며, 서로 다른 학문의 통찰을 활용하는 연구를 촉진할 수 있다. 또한, 링크드 데이터 원칙을 채택함으로써, 맥락과 유용성이 풍부한 데이터세트 생성을 촉진할 수 있다.

그런데 링크드 데이터의 이 의미 구조는 기술하고자 하는 대상에 대한 정의와 기술규칙에 근거한다. 기술적인 관점에서 보면 링크드 데이터는 우리가 알아야 하는 새로운 것임에는 분명하다. 하지만 설명대상을 명확하게 정의하고, 해당 대상이 속하는 범주에 적합한 속성에 기반해서 기술하는 방식은 새롭지 않다. 즉, 활용할 데이터 형태나 공유 방식은 변화가 있다고 할 수 있지만 데이터가 담는 내용과 구성방식은 이전과 다르지 않고, 인간이 이해하기 쉬운 방식으로 인간의 시선으로 만들어진 정보가 인간의 언어로 규칙하에 기술된다는 점에서 한계가 존재한다. 이런 규칙을 우리는 표준이라고 부른다.

이런 점에서 보면 링크드 데이터는 문자로 된 데이터세트의 하나로 볼 수 있고, 그 구축 방식에 있어서 표준을 강조하고 있어 완전히 새로운 데이터 구축방식이라고 보기는 어렵다. 즉, 우리가 이해하기 어려운 완전히 새로운 방식의 데이터 구축은 아니라고 볼 수 있다. 따라서 링크드 데이터를 읽고 이해하는 것은 어렵지 않으며, 양질의 데이터세트를 확보하여 적절히 활용하는 것이 더 중요하며, 링크드 데이터가 갖는 한계가 무엇인지를 명확하게 인지하는 것이 더 중요하다 할 수 있다.

3.2 링크드 데이터의 한계와 가능성

링크드 데이터는 다양한 학문 분야에 걸쳐 데이터세트 간 접근성과 연결성을 향상시키는 큰 가능성을 제공한다. 데이터를 범용 표준으로 구조화하고 쉽게 탐색 가능한 관계를 통해 연결함으로써, 연구자들이 격리된 데이터세트 내에서는 명백하지 않을 수 있는 새로운 통찰과 상관관계를 발견할 수 있게 한다. 그러나 이러한 통합은 검토할 가치가 있는 본질적인 도전과 한계를 드러낸다.

먼저 생각해 볼 수 있는 것은 이 기술이 연결하는 데이터의 질과 일관성에 대한 의존성이다. 링크드 데이터는 다양한 데이터 소스를 효과적으로 연결할 수 있지만, 이러한 연결의 유용성과 신뢰성은 기반 데이터의 질에 좌우된다. 데이터 형식, 정확성 또는 완성도에서의 불일치는 오해의 소지가 있는 결론이나 불완전한 분석으로 이어질 수 있다. 이는 특히 디지털 인문학에서 문제가 되는데, 문화적 또는 역사적 해석과 같은 해석적 데이터는 종종 주관적 요소를 포함하고 있어 표준화된 데이터 형식으로 원활하게 번역되지 않을 수 있다.

또한, 개방성은 데이터 개인정보 보호 및 보안에 대한 우려를 야기한다. 개방성과 민감한 정보 보호 필요성 사이의 균형은 중요한 문제이다. 디지털 인문학자들은 종종 문화적으로 민감하거나 개인을 식별할 수 있는 데이터를 다루게 된다. 엄격한 통제와 명확한 윤리 지침 없이, 이러한 데이터의 확산은 윤리적 위반 또는 오용으로 이어질 수 있다.

기술적 장벽도 도전 과제이다. 링크드 데이터를 발행하거나 활용하기 위한 도구는 점점 더 사용자 친화적이 되고 있지만, 기술적 전문 지식이 없는 이들에게는 여전히 상당한 지식 격차가 존재한다. 효과적으로 링크드 데이터를 조작하고 질의하기 위해 일정 수준의 프로그래밍 또는 기술 지식이 필요한 것은 이러한 풍부한 연결된 데이터세트에 접근하고자 하는 사람들에게 장벽이 될 수 있다. 링크드 데이터의 확장도 문제다. 더 많은 데이터가 연결됨에 따라, 광범위한 데이터세트에서 질의의 성능과 정확성을 유지하기 위해서는 점점 더 정교한 기술과 인프라가 필요하며, 기술 자원에 대한 상당한 투자 없이는 복잡하거나 매우 큰 데이터세트 활용에 어려움을 겪을 수밖에 없다.

물론, 위에서 제시한 문제들이 모두 링크드 데이터이기 때문에 발생하는 것은 아니다. 링크드 데이터가 아니더라도 데이터베이스, 형태에 상관없이 기계처리 가능한 데이터세트를 구축해서 발행하는 모든 기관이나 사람은 고민해야 하는 사항들이다. 또한 이렇게 공유된 데이터들이 공통으로 갖는 문제로 볼 수 있다. 사실상 오늘날 모든 데이터, 데이터세트가 갖는 문제로 볼 수 있다.

오히려 인간이 공유를 목적으로 다수의 정보를 정형화하고 표준화시키면서 필연적으로 발생할 수밖에 없는 문제로 보는 것이 정당할 수 있다.

그렇다면 링크드 데이터가 갖는 문제는 해당 기술의 한계라는 관점보다는 표준을 기반으로 데이터를 기술하는 것이 갖는 문제점을 검토하는 것이 바람직할 것이다. 지금까지 살펴본 링크드 데이터의 개념과 특징에 근거하여 본 논문에서는 다섯가지 관점에서 한계와 문제점을 제안하고자 한다.

첫 번째는 복잡성의 축소문제이다. 표준 기반 접근 방식은 인간 경험과 문화적 특징을 사전에 정의된 범주와 용어로 축소한다. 이러한 접근은 원 데이터의 풍부함을 과도하게 단순화하고 왜곡할 수 있으며, 표준화된 프레임워크에 맞지 않는 맥락과 의미를 제거한다. 두 번째는 일반화, 보편화된 프레임워크를 강제하면서 발생하는 문제를 들 수 있다. 데이터 표준의 맥락에서 이는 지역적 또는 맥락적 변화에 관계없이 특정 언어적 및 개념적 프레임워크를 보편적으로 강요할 수 있는 점이다. 이는 지배 문화나 조직이 유효하다고 간주하는 용어와 범주만을 사용해야 하는 문제를 야기시킬 수 있다. 비슷한 관점에서 검토할 수 있는 세 번째 문제는 유연성 부족이다. 표준은 그 본성상 안정적이고 일관성이 있도록 설계된다. 그러나 지식의 동적이고 진화하는 분야를 다룰 때 이것은 한계가 될 수 있다.

네 번째는 권력 역학과 통제의 문제이다. 어떤 것이 표준화되는지에 대한 의사 결정 과정은 특정 그룹이 분류 시스템을 정의하고 통제할 권한을 가진 권력 역학을 포함한다. 이는 사회 내 기존의 권력 구조를 강화할 수 있으며, 데이터 표준을 통제하는 사람들이 지식의 조직과 접근 방식을 통제할 수 있음을 의미한다. 마지막은 데이터의 동질화 문제로 표준 사용은 다양하고 이질적인 데이터 세트를 통일된 구조에 맞추어 동질화하는 결과를 낳을 수 있다. 이는 다양한 문화의 데이터를 제한적으로 나타내는 데 제한을 받을 뿐만 아니라 혁신적인 통찰을 생성할 수 있는 잠재력에도 영향을 미칠 수 있다.

물론 표준화가 갖는 장점을 무시할 수는 없다. 링크드 데이터의 경우 다양한 표준용어들을 사용을 허용하고 상호간의 연결도 가능하다. 표준에 존재하지 않는 용어들을 사용할 수도 있다. 하지만 이 경우 상호운용성과 활용성이 낮아지는 것은 감수해야 한다. 오히려 링크드 데이터는 하나의 개체에 대해서 다양한 관점들을 갖는 데이터들이 모아지고 이를 활용할 수 있다는 점에서 지금까지의 문제를 해결할 수 있는 가능성을 갖고 있기도 하다. 또한 그 동안 언어적 차이, 문화적 이질성, 기술적 한계 등으로 접근하기 어려웠던 데이터를 활용할 수 있게 됨으로써 갖는 장점이 더 크다고 할 수 있다.

링크드 데이터가 줄 수 있는 다양하 혜택에 대해서 W3C Library Linked Data Incubator Group은 도서관 링크드 데이터 최종보고서를 발행한 바 있다(W3C, 2011)9. 최종 보고서에서는 “도서관(Library)’이라는 용어를 도서관, 박물관, 기록관 등 모든 문화유산 기관을 포함하는 용어로 더 넓게 보고 지식정보자원을 관리하고 서비스하는 기관들이 모두 참조할 수 있도록 작성되었음을 밝힌 바 있다. 보고서에서는 링크드 데이터의 혜택, 전통적 도서관 데이터의 문제, 도서관에서 링크드 데이터 실현을 위한 권고사항을 정리하여 제안하였다. 이중 링크드 데이터가 주는 혜택에 대한 내용을 정리하면 표 1과 같다.

도서관을 중심으로 기술된 내용이지만 위에 언급한 것처럼 정보를 생성하거나 관리하고 서비스하는 기관으로 확대하여 해석해도 무리가 없다. 연구자를 포함한 이용자들이 얻을 수 있는 가장 큰 혜택은 다양한 분야 간의 정확한 연결이 가능하다는 점이다. 정보자원을 관리하는 기관 입장에서 보면 링크드 데이터를 통해서 예산 한계에 상관없이 풍부한 정보기술이 가능하다는 점과 해당 기관의 데이터를 통해서 가시적인 성과창출 확인이 가능하다는 점이다. 정보활동 주체자인 데이터 관리자의 경우는 데이터에 대한 중복 노력을 방지하면서도 데이터 품질을 높일 수 있는 장점이 있다. 또 연구자 개발자들은 특정 도메인에 특화된 기술적 배경지식 없이도 웹 기술을 활용한 데이터 탐색과 활용, 시장 창출이 가능하다.

이렇듯 링크드 데이터는 표준 준수와 공개된 기술과 플랫폼을 활용한다는 점에서 혜택과 가능성은 물론 고려해야 할 문제를 함께 갖고 있다. 기술이라는 측면에서 갖는 장점을 최대한 활용하되, 표준이 갖는 문제점에 대한 인문학적 고찰도 필요하다 할 수 있다.