온톨로지 기반 전자회로교과 e-Learning 시스템 설계 및 구현

신창하 중부대학교 대학원 2011 국내박사

학습자가 학습하는 과정에서 마주치게 되는 질의와 문제들의 해결책을 찾도록 도와서 언제, 어디서, 누구나, 적시적, 적응적으로 학습할 수 있는 환경을 제공하는데 있다. 본 논문은 기존의 참고문헌들의 연구를 통해 시멘틱 웹과 온톨로지 이론를 고찰한 후 문제를 풀 수 있는 온톨로지화의 가능성을 찾고자 하였다. 그 결과로 전자회로에 관한 온톨로지 프레임을 구축하였고 온톨로지 기반 전자회로교과 e-learning 시스템 설계 및 구현에 관한 연구를 하였다.

온톨로지 기반의 의미적 정보 검색 : 호텔 영역을 중심으로

유동희 고려대학교 대학원 2009 국내박사

Currently available hotel search engines may help travelers find hotels, but the returned set of information is usually not satisfactory to them. It is because the engines do not understand what travelers want exactly for various reasons. For example, options provided by the web site for hotel search are not various enough to deal with concepts related to the hotel itself and the hotel’s surroundings. Also, if the travelers’ interest is expressed in subjective terms such as cheap or near, whose meaning is quite different for each person, the search engine cannot process them properly. And, although travelers sometimes want to refer to reliable hotel evaluation information from online booking sites, it is usual that they don’t provide such information. Semantic web technologies including ontology are thought to be a breakthrough to solve those problems. The semantic web was proposed as an evolving extension of the World Wide Web in which contents can be manipulated without human intervention. Ontology is one of the core technologies for the implementation of the semantic web, as it provides a shared understanding and machine processable semantics in a certain domain. The first objective of this dissertation is to design and implement hotel domain ontology using currently available semantic web languages and technologies such as Resource Description Framework (RDF), Web Ontology Language (OWL), Semantic Web Rule Language (SWRL) and Protégé system. To that end, I have first analyzed several available hotel-related ontologies (i.e., OTA specification, Harmonise ontology, OnTour ontology, Travel ontology, Accommodation ontology) to derive concepts used in the hotel domain. Second, I have then investigated typical terms used in hotel search questions by online users of the famous online Q&A communities such as Yahoo! Answers, WikiAnswers, and Naver Knowledge iN. Based on the results of the analysis and investigation, I designed hotel domain ontology which consists of Objective Concepts Ontology (OCO), Universal Concepts Ontology (UCO), and Evaluation Concepts Ontology (ECO). OCO includes concepts associated with the hotels itself such as private amenities (e.g., TV, bed, air-conditioning), public amenities (e.g., fitness center, business center, sauna), and services (e.g., airport pick up, pet-allowed, baby sitter) and their relationship with neighboring artifacts such as stations (e.g., subway station, airport, train station) and attractions (e.g., shopping center, park, bridge). UCO defines subjective, terms frequently used when searching for hotels like cheap or near. The meaning of subjective terms is ambiguous and could be different for each person. To objectify their meanings, I have conducted a survey with adults during July and August, 2007, in Korea. The survey asked respondents questions about their perceptions of subjective terms, obtained from the Q&A communities mentioned above. Data collected from 214 adults was analyzed to define the meaning of each term that is perceived by the majority of the respondents as the universal meaning of the term. After objectifying the meanings of subjective terms in this way, I have defined the universal meanings of those subjective terms as rules in SWRL. All rules are expressed using concepts and properties in OCO. ECO consists of Evaluation Items Ontology (EIO) and Evaluation Terms Ontology (ETO). EIO include terms representing hotel evaluation items such as lobby, guest room or bath room. Since it is important to have a standard set of hotel evaluation items, I have referred to an official document of Korea Hotel Classification Systems (KHCS). I have identified 23 evaluation items which seem to play an important role in finding suitable hotels. Then, I have mapped each evaluation item to an ontological property in EIO. ETO includes terms used when evaluating hotels using concepts and properties in EIO. Following the rules used by hotel evaluation experts, I have defined hotel evaluation terms (e.g., kind hotel, clean hotel, comfortable hotel) as rules in SWRL. The second objective of this dissertation is to implement a prototype system, Semantic Hotel Search System (SHSS), using currently available Semantic Web technologies. This system consists of four layers: (1) hotel information registration layer, (2) control layer, (3) reasoning layer, and (4) query processing layer. The hotel information registration layer transforms the hotel information into semantic hotel data using two generators, the Hotel Description Generator (HDG) and the Hotel Evaluation Generator (HEG). These semantic hotel data corresponding to our hotel domain ontology is internally represented in RDF triple structures. Therefore, the meaning of such semantic hotel data is interpreted and understood by hotel search engine, based on the hotel domain ontology. The control layer mediates between the hotel information registration layer and the reasoning layer, and has two sub-layers, the data collection layer and the persistency layer. The reasoning layer creates inferred knowledge by reasoning based on hotel domain ontology and semantic hotel data. The query processing layer retrieves information stored in the knowledge base, which contains a large set of RDF triple structures by Semantic Hotel Search User Interface (SHS-UI). Using the SHSS, I have shown how an interesting hotel search query can be processed to result in a set of proper hotel information. Finally, I have conducted usability test to see if the system is easy to use and learn, and effective in the use of domain knowledge captured in the ontology.

온톨로지 기반 지식 검색 시스템 개발 : KT 콜센터 사례

안세열 高麗大學校 컴퓨터情報通信大學院 2011 국내석사

콜센터의 고객문의는 복잡하여 기존 검색 시스템으로는 고객의 문제점을 신속하게 찾아 상담에 적용하는데 문제가 많다. 특히 통신사의 경우 최근 치열한 경쟁으로 출시하는 상품이나 마케팅 이벤트의 주기가 짧아질 뿐만 아니라 그 종류가 다양하고 복잡해지고 있다. 그 결과 상담원들이 해결해야 할 고객 문의 내용의 복잡도는 나날이 높아지고 있고, 몇 주간의 교육으로 해결할 수 없는 성격의 문의들이 점점 많아지고 있다. 오래 전부터 기업의 콜센터에서는 이러한 고객응대 지식을 체계화하고 숙련된 상담원의 지식을 공유하기 위해 지식관리시스템을 도입하고 있다. 그러나 기존 키워드 기반의 지식검색 시스템을 활용하여 실제 상담에 적용하기에는 그 검색 결과가 만족스럽지 못하여 잘 사용되지 않고 있다. 대부분의 상담사는 고객의 콜을 응대하는 동안 지식검색 시스템을 이용하기 보다는 자신의 머리 속에 있는 지식을 활용하고 있기 때문에 본인 지식으로 해결이 어려운 고객 문의는 더욱 숙련된 전문상담사에게 콜을 넘겨서 해결하는 사례가 빈번하게 발생하고 있다. 이러한 사례가 자주 발생할수록 콜센터 상담원의 생산성은 낮아지고 고객의 서비스 만족도는 떨어지기 때문에 기업의 입장에서는 콜센터 상담원들이 사용하는 지식검색 시스템의 성능을 높이는 것이 매우 중요한 일이다. 콜센터 상담 지식에 대한 온톨로지를 구축하고 시맨틱 검색을 제공할 경우 보다 좋은 검색 기능을 제공할 것으로 기대되나 콜센터의 상담지식은 내용이 매우 복잡하여 그 텍스트의 내용을 완벽하게 온톨로지로 표현하는 것은 쉽지 않다. 그래서 본 논문에서는 온톨로지 검색과 키워드 검색을 함께 제공하는 하이브리드 형태의 시스템을 제안한다. 그리고 온톨로지 기반의 지식베이스 검색과 함께 그와 가장 관련성이 높은 문서를 출력하기 위해 문서를 온톨로지와 링크하여 어노테이션하는 방법을 소개한다. 제안하는 온톨로지 기반의 지식검색 시스템의 성능 평가를 위하여 정확률(precision)과 재현율(recall)을 계산하여 온톨로지를 사용하지 않은 기존의 전통적인 키워드 방식의 검색 시스템과 비교 실험을 수행하였다. 기준 시스템인 키워드 검색 시스템에 비하여 재현율 50% 범위 내에서 정확률이 2%~12% 향상된 성능을 보였다. The knowledge search systems in current call centers are not designed well enough to efficiently support agents to find the right information during a call with customer due to high complexity of the customer inquiries coming into call centers. If we look at the case of telecom operators, the products or marketing events are launched more frequently than in the past due to higher competition. The problem is not only the frequent update of services but also the high complexities of the services especially in telecom domains. Therefore, with just a few weeks of training, it's impossible for the call center agents to solve the complex customer inquires. Most call centers have a knowledge management system to share the knowledge of skilled agents. However, most of the knowledge systems still use key word based document search systems which perform poorly with complex queries and fail to instantly provide concrete answers. When a less experienced agent fails to look up answers in the knowledge system, he/she will transfer the call to a skilled agent; which lead to decrease in both customer satisfaction and agent utilization. Therefore, improving the performance of the knowledge search systems and enabling it to be highly utilized by agents can greatly benefit call centers. As a solution, building an ontology for the call center knowledge domain and providing a semantic search based on the ontology will improve the search performance. However, since the call center knowledge is highly complex, it is difficult to perfectly transfer all the knowledge to an ontology. Therefore, in this paper we propose a hybrid system that provide both ontology based data retrieval with keyword based document search. Furthermore, we introduce a semantic annotation method that links the ontology data with the most related document along to improve the performance of the keyword based document search. As an experiment, to evaluate the performance of the proposed system, the precision and recall of the ontology based document search were measured and compared to the keyword based document search system as a baseline. Compared to the keyword based search system, the proposed system showed an overall improvement of 2~12% in precision when the recall rate was in range under 50%.

온톨로지 기반의 추론형 논문정보 검색시스템에 관한 연구

위다현 호서대학교 대학원 2008 국내석사

기존의 논문검색 시스템은 키워드를 데이터베이스의 복잡한 질의문과 조합하여 사용자에게 정보를 제공해왔다. 그러나 이와 같은 키워드 매칭을 통한 정보검색 방법은 사용자에게 불필요하거나 정확하지 않은 검색결과를 제공하기 때문에 원하는 결과를 얻기 위하여 여러 번 재검색을 시도해야만 한다. 따라서 사용자의 의도에 맞는 정보를 검색하기 위해서는 인터넷 환경에서 웹 문서 자원 사이의 의미 정보를 컴퓨터가 처리할 수 있는 온톨로지로 표현하고, 이것을 컴퓨터가 이해할 수 있게 하는 시맨틱 웹의 도입이 필요하다. 본 논문에서는 OWL 온톨로지 기반의 추론을 통한 논문 정보 검색시스템에 대하여 논한다. 시맨틱 웹의 새로운 온톨로지 언어로 부상한 OWL 기반의 논문 온톨로지를 구축하고, 논문 속성들 간의 다양한 상관관계를 서술논리 쿼리로 작성한다. 검색시스템은 이 쿼리를 기반으로 논문 온톨로지에 대하여 추론함으로써 지능적인 정보 검색이 가능하도록 하였다. The conventional paper search system has provided the information by combining key words with complex queries on database. However, as the information retrieval like this keyword matching method provides unnecessary and inaccurate results to the user, we have to try to search several times in order to get the desired results. Therefore, to search for information to the user's intent, we need to introduce semantic Web that represents semantics of Web document resources on the Internet environment as an ontology that a computer is able to process, and makes it possible for computer to understand the ontology. This paper describes an paper retrieval system through the ontology-based reason. We build the paper ontology based on OWL(Ontology Web Language) which is new popular ontology language for semantic Web and represent the correlation between paper properties as the DL(description logic) query, and then this system infers the correct results from the paper ontology based on the DL query and makes it possible to retrieve information intelligently.

관계형 데이터 모델에서 온톨로지 스키마 자동 추출

서승준 숭실대학교 대학원 2008 국내석사

폭발적으로 증가하는 웹상에서의 데이터나 기업 내에서 수많은 고객을 응대하면서 발생하는 데이터 및 기업 내의 지식 정보들을 검색하는데 있어서 기존의 검색 기술로는 정확한 정보를 찾아내기가 점점 힘들어 지고 있다. 이러한 문제점을 극복하고자 제안된 시맨틱웹은 온톨로지를 기반으로 하고 있다. 그러나 온톨로지는 여러 전문가들의 전문지식 및 경험적 지식에 의하여 생성되므로 도메인에 대한 정보 확보 및 분석 작업 등에 많은 시간과 인력이 투입된다. 본 연구에서는 온톨로지를 구축함에 있어서 해당 도메인에 대한 관계형 데이터 모델을 활용하여 온톨로지 스키마를 자동으로 추출하는 방법을 제안한다. 관계형 데이터 모델은 특정 도메인에 대한 개념과 관계를 잘 설명하는 정보의 저장 구조이며 지식의 표현이다. 따라서 관계형 데이터 모델에서 온톨로지 스키마를 추출하게 되면 해당 도메인에 대한 정보 확보 및 분석 작업 등에 많은 시간을 절약할 수 있다. 본 연구에서는 관계형 데이터 모델에서 온톨로지를 구성하는 개념클래스, 관계명, 상하위관계, 제약사항, 데이터속성 등을 추출하고 이를 웹온톨로지 언어로 재구성하여 온톨로지 스키마를 생성한다. 기존의 방법들은 관계형 모델로부터 개념클래스 정제 작업을 생략하거나 전문가의 수작업을 통하여 관계형 데이터 모델의 정제 작업을 수행한 후에 온톨로지를 구축하였으나, 본 연구에서는 관계형 데이터 모델을 구성하는 요소들을 활용하여 개념클래스 정제작업을 자동화하여 온톨로지를 구축한다. 제안 방법의 타당성을 평가하기 위하여 실제 업무에서 사용되고 있는 관계형 데이터 모델로부터 온톨로지 변환을 수행한 후, 관계형 데이터 모델과 온톨로지 간의 대응 요소 및 추출된 관계명에 대한 전문가의 검증을 수행하였다. 평가결과 관계형 데이터 모델에서 온톨로지 스키마를 빠른 시간에 추출하고 자동 생성된 관계명이 유효하다는 결과를 얻었다. In information retrieval systems, it is getting hard to retrieve data effectively by using traditional information retrieval methods. Semantic web which is proposed to overcome this problem is based on ontology. However, since ontology is constructed by expert's technical and heuristic knowledge, large amount of time and resources acquire are required to analyze domain information. This research proposes an automatic ontology schema extraction method from a relational data model on the investigated domain. The relational data model is the information structure and also the knowledge representation which explains the concepts and relations on the specific domain. Thus, extracting the ontology schema from a relational data model can save time to acquire and analyze domain information. The proposed method extracts concept classes, relation names, hierarchies, restrictions and data types, and then constructs an ontology schema by using an web ontology language. Existing methods, which constructs ontology from a relational data model, have constructed ontology without refining work of concept classes or with manual refining work by experts. However, the proposed method constructs ontology automatically by using the elements composing relational data models. To evaluate the validity of the proposed method, experiments were done with a relational data model in a real domain. Experiment results shows that the proposed method constructs an ontology schema quickly and the relation names created automatically from a relational data model are validate.

온톨로지를 이용한 대학 취업추천 시스템 구축

지현진 경상대학교 대학원 2007 국내석사

There are two different tasks in building a university job recommendation system. One is to search students who are qualified for employment requirements and the other is to provide relevant job information on students' requests. This thesis developed a system that provides students with appropriate job information using ontology. Students visit the university web site to get job information. Students may visit other job sites for more information. Different web sites, however, use different methods and different classification in searching job information. The system developed in this thesis constructed ontologies which connect the university job information, KSCO-6th (6th revision of Korean Standard Classification of Occupations) from KNSO (Korea National Statistical Office), and WORKNET serviced by KEIS(Korea Employment Information Service). We used OWL (Web Ontology Language) in constructing ontologies, defining classes and properties, and linking those classes semantically. We also used SPARQL in retrieving information from ontologies. The system provides student with data stored in WORKNET as well as data stored in the university system for a single query. The system also enables students to navigate different tree structures of job categories in order to get better job information.

뇌졸중 조기 진단을 위한 온톨로지 기반 예측 방법

권순현 숭실대학교 대학원 2021 국내박사

최근 인공지능 및 빅데이터로 대표되는 4차 산업혁명 시대가 도래하고 있다. 또한, 코로나 팬데믹 상황으로 인하여 비대면 원격진료를 통한 질환 예측 서비스에 대한 관심이 커지고 있다. 이러한 시대적 패러다임의 변화로 헬스 및 의료분야에서는 질환의 발병 후 치료에서, 발병 전에 질환을 사전 감지하는 질환 예측 서비스에 대한 연구와 시스템 개발이 급부상하고 있다. 특히, 뇌졸중 예측을 위해 생체신호 데이터를 이용한 AI기반 뇌졸중 예측 기술에 대한 연구가 활발히 진행되고 있다. 기존의 생체신호를 통한 AI 기반 뇌졸중 예측 서비스는 기계학습 및 딥러닝을 이용하여 생체신호의 이상값을 학습 및 예측하여 적절한 의사결정의 수단으로 사용하고 있다. 하지만, 기계학습 및 딥러닝을 통한 생체신호 분석에 대한 많은 연구와 컴퓨팅 파워의 증가로 인하여 예측 결과에 대한 정확도는 높아지고 있지만, 예측 결과에 대한 의학적 지식정보를 제공하지는 못하고 있다. 또한, 의학 지식베이스 기반의 질환 예측 큐레이션 서비스는 환자의 실시간 생체신호 데이터를 고려하지 않는 일반적인 의학지식만을 사용하였다. 이러한 뇌졸중을 비롯한 질환 예측 서비스의 한계를 극복하기 위해, 본 연구에서는 뇌졸중 조기 감지를 위해 기존의 생체신호 데이터 통한 기계학습 및 딥러닝 분석 결과에 의학적 지식정보를 융합하기 위한 뇌졸중 의학지식 온톨로지 기반 뇌졸중 예측 방법을 제안한다. 제안한 방법에서는 생체신호 데이터의 예측모델 학습 시, 뇌졸중 의학 온톨로지를 통한 피처 확장 방법과 미국 국립 보건원의 뇌졸중 척도인 NIHSS 지수를 토대로 예측모델 기반 예측 결과와 뇌졸중 의학 온톨로지의 추론된 지식을 연결하는 질환 지수를 계산하여 분석 결과의 객관성을 입증한다. 뇌졸중 의학 온톨로지를 구축하기 위해 표준 온톨로지 언어인 OWL-DL를 기반으로 ICD, SNOMED-CT, FMA와 같은 표준의학용어 온톨로지와 연동할 수 있는 의학용어 인스턴스 온톨로지를 모델링 한다. 또한, 계층구조의 스키마 온톨로지를 모델링 하기 위해, 뇌의 해부학적 구조와 뇌졸중으로 인한 증상, 질환에 관한 개념 및 속성을 갖는 뇌졸중 스키마 온톨로지를 모델링하여 의학용어 인스턴스 온톨로지와 연동한다. 더 나아가, 뇌혈관의 출혈·경색으로 인한 뇌의 괴사 위치 및 다양한 증상과 질환의 특성을 예견하기 위해, 시맨틱웹 규칙 언어인 SWRL을 통해 추론한다. 본 연구에서는 뇌졸중 의학지식 큐레이션 서비스를 위해 자연어 형태의 사용자 질의에 정형 온톨로지 쿼리 언어인 스파큐엘로 자동 변환하여 의학지식을 쿼리할 수 있는 방법을 제안한다. 제안된 방법은 사용자 질의를 분석하여 질문과 답변을 구분하고 각 구문 단어를 뇌졸중 의학지식 온톨로지와 매핑하여 추상화하고, 추상화된 질문과 답변에 대한 정형 쿼리 탬플릿을 SWRL 기반으로 추론하여 수행 가능한 스파큐엘을 도출한다. 제안한 방법을 검증하기 위해 본 연구에서는 9개의 스파큐엘 탬플릿을 정의하고 뇌졸중과 관련된 사용자 질의 성능을 검증한다. Recently, the era of the fourth industrial revolution represented by artificial intelligence and big data is coming. In addition, due to the COVID-19 pandemic, interest in disease prediction services through non-face-to-face telemedicine is growing. Due to this paradigm shift in the times, research and system development on disease prediction services that detect diseases in advance in post-onset treatment and before onset in the health and medical fields are rapidly emerging. In particular, research on AI-based stroke prediction technology using bio-signal data for stroke prediction is actively conducted. The existing AI-based stroke prediction service uses machine learning and deep learning to learn and predict abnormal values of bio-signals and use them as a means of appropriate decision-making. However, although many studies on big-signal analysis through machine learning and deep learning and increased computing power have increased the accuracy of prediction results, medical knowledge information on prediction results has not been provided. In addition, the disease prediction curation service based on medical knowledge used only general medical knowledge that did not consider the patient’s real-time bio-signal data. To overcome the limitations of disease prediction services, including stroke, this paper proposes a stroke ontology-based prediction method to fuse medical knowledge information to the results of machine learning and deep learning analysis through existing bio-signal data for early stroke detection. The proposed method proves the objectivity of the analysis results by calculating the predictive model-based prediction results and the inferred knowledge of stroke medical ontology based on the feature expansion method through stroke medical ontology and the NIHSS index, a stroke scale of the National Institutes of Health. To build the stroke medical ontology, we model the medical term instance ontology linked to standard medical term ontology such as ICD, SNOMED-CT, and FMA based on OWL-DL, a standard ontology language. In addition, to model the hierarchical schema ontology, the stroke schema ontology is modeled with the anatomical structure of the brain and the concepts and properties of lesions, disease caused by stroke and interlocked with medical term instance ontology. Furthermore, to predict the location of necrosis in the brain due to bleeding and infraction of cerebral blood vessels and the characteristics of various lesions and diseases, it is inferred through SWRL, a semantic web rule language. This paper proposes a method to query medical knowledge by automatically converting user question and answer(QA) in natural language form to SPARQL, a formal ontology query language, for stroke medical knowledge curation service. The proposed method analyzes user QA to distinguish questions and answers, maps each syntax word to stroke medical knowledge ontology to abstract, and infers a structured query template for abstracted questions and answers based on SWRL to derive SPARQL. This paper defines 9 SPARQL templates and demonstrates the user quality performance associated with stroke to verify the proposed method.

온톨로지를 이용한 교육뉴스 서비스의 설계 및 구현

김미경 東國大學校 敎育大學院 2004 국내석사

현재의 월드 와이드 웹은 사용의 편의성으로 인하여 사용자가 급격하게 증가 하였다. 다양한 분야의 수많은 정보들이 웹을 통해서 생성되고 소멸된다. 다양한 정보가 웹을 통해 제공됨에 따라서 신문과 같은 뉴스 정보를 제공하는 사이트들이 많이 등장하였다. 그러나 웹 기반의 뉴스 서비스에서는 사용자가 원하는 뉴스의 정보를 얻기 위해서 웹 문서의 링크를 따라서 원하는 뉴스를 찾아다녀야 한다. 이는 상당히 지루하고 많은 시간의 낭비를 초래한다. 이러한 문제점을 해결하기 위하여 주문형 뉴스 서비스가 등장하였다. 주문형 뉴스 서비스는 사용자의 선호 정보와 정보 필터링 개념에 기반 하여 사용자가 원하는 정보를 자동으로 제공한다. 하지만 웹 기반의 주문형 뉴스 서비스 시스템 역시 사용자의 개입 없이는 웹 데이터의 의미를 파악하고 인식하는 능력이 부족하였고 자동적으로 정보를 추출, 처리, 저장 및 합성하기가 어렵다. 이는 컴퓨터가 웹 데이터의 의미를 파악하고 인식하는 능력이 부족하기 때문이다. 본 논문에서는 이러한 한계점을 해결하기 위하여 차세대 웹으로 현재 개발되고 있는 시맨틱 웹을 뉴스 서비스에 적용시켰다. 시맨틱 웹에서는 정보의 의미를 개념으로 정의하고 개념간의 상호 관계성을 표현함으로써 정보가 공유된다. 웹상의 정보를 수집하고 처리하기 위해 더 이상 인간의 전적인 개입이 요구되지 않으며 각종 자동화된 에이전트를 이용해 정확한 정보의 검색, 수집, 새로운 지식 생성, 최상의 서비스 제공 등이 가능해진다. 본 논문에서는 이러한 시맨틱 웹의 장점을 뉴스 서비스에 적용하여 온톨로지를 이용한 뉴스 서비스의 전반적인 구조를 설계하고 구현하며, 본 논문에서 구현한 뉴스 서비스를 시연하기 위해서 시험 온톨로지를 구현하였다. Nowadays, the number of users on World Wide Web has increased rapidly. Plenty of Information about various fields is created and disappeared. The result of providing lots of Information through web caused News paper and other types of media sites to appear. However, users have to surf and endeavor to find the Information that they want through web links if they are using online News services. This does not bore users so much but also makes them waste time. To solve this problem, there was the advent of News Service based on demand. News Service based on demand automatically provides the only Information that user want by filtering and selecting the Information based on users preference. However, News Service based on demand still lacks in ability to understand, catch the meaning, extract, transact, save, and compose web data without users intervention, since this service is based on web. It is the reason that computer is not smart to catch the meaning and understand the web data. In this paper, Semantic Web, which is known as next generation of web, was applied on News Service to solve the limitation of current web. In Semantic Web, the meaning of Information is defined as a concept and the relationship among these concepts represents the relationship among Information. To gather and process the Information on the web, there is no more users intervention required and it is also available to search accurate Information, gather Information, create new knowledge, and provide the best service by automatic agents. In this paper, the entire structure of News Service using Ontology was designed and implemented by applying the advantage of Semantic web. Moreover, in this paper, a sample Ontology system was implemented to show how it works.

온톨로지 관리를 위한 온톨로지 프로비넌스 모델

신은영 高麗大學校 大學院 2015 국내석사

다양한 도메인에서 온톨로지가 생성되고 공유되면서 온톨로지를 관리하기 위한 온톨로지 저장소가 필요하게 되었다. 온톨로지 저장소는 다양한 형태의 온톨로지를 효율적으로 관리하고 저장한다. 하지만 방대한 양의 온톨로지가 관리되면서 저장된 온톨로지에 대한 신뢰성 문제가 대두되었다. 이러한 신뢰성 문제를 해결하기 위해 데이터 프로비넌스가 연구 되고 있다. 데이터 프로비넌스는 데이터의 근원 정보를 기록하도록 설계된 구조화된 메타데이터이다. 예를 들면, 해당 정보가 어디서 왔는지, 누가 사용하였는지, 어떻게 변화되었는지에 대한 정보들이 데이터 프로비넌스에 해당한다. 사용자들은 이러한 데이터 프로비넌스 정보들을 통해 방대해지는 데이터에 대한 신뢰성을 판단할 수 있다. 또한, W3C는 데이터 프로비넌스를 관리하기 위한 표준인 PROV 모델을 개발하였다. 이 논문은 온톨로지의 신뢰성 판단을 위한 온톨로지 프로비넌스 모델을 제안한다. 제안하는 온톨로지 프로비넌스 모델은 온톨로지의 관리를 위하여 온톨로지 저장소에 특화된 모델이며, W3C의 PROV 모델에 기반한다. 이 논문은 예시를 통해 제안모델을 온톨로지 저장소에 적용하고, 몇 가지 온톨로지 프로비넌스 특징을 나타내는 SPAQRL 질의를 이용하여 제안모델을 검증한다. 정성평가의 결과로 제안모델은 발전성, 신뢰성, 호환성 관점에서 기존의 연구들보다 우수함을 보인다.

온톨로지 기반 전자 상거래 상품 정보 검색에 대한 연구

김경열 호서대학교 일반대학원 2013 국내석사

시맨틱 웹에서 대량의 메타데이터의 자동 생성 및 수집은 매우 중요한 과제이다. 이 논문에서는 전자상거래 웹페이지들을 대상으로 상품에 대한 주요한 정보를 담고 있는 데이터를 파악하여 그 의미를 표현하는 이름들을 만들어, 그들을 자동으로 메타데이터의 형태로 추가하는 방법을 설계하였다. 책의 판매를 위한 Book 온톨로지를 개발하고, Book 온톨로지에 사용된 메타데이터들을 책의 정보를 나타내는 중요도에 따라 분류하였다. Book 온톨로지 개체들의 중요도를 반영하는 벡터 공간 모델에 기반을 둔 프로토타입 상품 검색 시스템을 개발하였다. 이러한 접근의 성능을 평가하기 위해, 기존의 벡터 공간 모델(tf-idf)과 온톨로지를 사용한 개체들의 개념을 반영하는 벡터 공간 모델(OE tf-idf)을 비교하는 실험을 수행하였다. 다양한 형태의 질의 패턴으로 검색 결과에서 나오는 정확률과 재현률을 계산하였다. 그 중 가장 일반적이고 대표적인 키워드 검색에서 OE tf-idf의 성능이 tf-idf의 성능보다 평균 정확률에서 약 7%, 평균 재현률에서 약 5% 높음을 확인할 수 있었다. Automatic creation and acquisition of large volume of metadata is a major challenge for the Semantic Web community. In this thesis, over electronic commerce web pages, data delivering important information about product were recognized and the named entities which represent the semantic meanings of the data were created. A method was developed to add the name of each entity automatically as an annotation for the web pages. A Book ontology is developed for electronic commerce. The named entities which were developed in the Book ontology were classified according to the importance for book information. Then a prototype product retrieval system was developed based on adaptive vector space model which reflects the importances of the Book ontology entities. To evaluate the performance for this approach, an experiment was performed to compare an ontology adaptive vector space model(OE tf-idf) with the traditional vector space model (tf-idf). Using variable query patterns, the experiments were repeated several times and the precision rates and recall rates were computed. The result shows that in most general and representative key word queries, the average precision rate and the average recall rate in OE tf-idf are about 7% and 5% higher better than those in tf-idf, respectively.