$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

온톨로지와 토픽모델링 기반 다차원 연계 지식맵 서비스 연구

A Study on Ontology and Topic Modeling-based Multi-dimensional Knowledge Map Services

지능정보연구 = Journal of intelligence and information systems, v.21 no.4, 2015년, pp.79 - 92  

정한조 (한국과학기술정보연구원 (KISTI), 첨단정보융합본부, NTIS 센터)

초록
AI-Helper 아이콘AI-Helper

미래 핵심 가치 기술 발굴 및 탐색을 위해서는 범국가적인 국가R&D정보와 과학기술정보의 연계 융합이 필요하다. 본 논문에서는 국가R&D정보와 과학기술정보를 온톨로지와 토픽모델링을 사용하여 연계 융합하여 지식베이스를 구축한 방법론을 소개하고, 이를 기반으로 한 다차원 연계 지식맵 서비스를 소개한다. 국가R&D정보는 국가R&D과제와 참여인력, 해당 과제에 대한 성과 정보, 논문, 특허, 연구보고서 정보들을 포함한다. 과학기술정보는 논문, 특허, 동향 등의 과학기술연구에 대한 기술 문서를 일컫는다. 본 논문에서는 지식베이스에서의 지식 처리 및 관리의 효율성을 높이기 위해 Lightweight 온톨로지를 사용한다. Lightweight 온톨로지는 국가R&D과제 참여자와 성과정보, 과학기술정보를 과제-성과 관계, 문서-저자 관계, 저자-소속기관 관계 등의 단순한 연관관계를 이용하여 국가R&D정보와 과학기술정보를 융합한다. 이러한 단순한 연관관계만을 이용함으로써 지식 처리의 효율성을 높이고 온톨로지 구축 과정을 자동화한다. 보다 구체적인 Concept 레벨에서의 온톨로지 구축을 위해 토픽모델링을 활용한다. 토픽모델링을 활용하여 국가R&D정보와 과학기술정보 문서들의 토픽 주제어를 추출하고 각 문서 간 연관관계를 추출한다. 일반적인 Concept 레벨에서의 Fully-Specified 온톨로지를 구축하기 위해서는 거의 100% 수동으로 해야 하기 때문에, 많은 시간과 비용이 소모된다. 본 연구에서는 이러한 수동적인 온톨로지 구축이 아닌 자동화된 온톨로지 구축을 위해 토픽모델링을 활용한다. 토픽모델링을 활용하여 온톨로지 구축에 필요한 문서와 토픽 키워드 간의 관계, 문서 간 의미 상 연관관계를 자동으로 추출한다. 마지막으로, 이와 같이 구축된 지식베이스의 트리플(Triple) 정보를 활용하여, 연구자들의 공동저자관계, 문서간의 공통주제어관계 등을 연구자, 주제어, 기관, 저널 등의 다차원 연관관계를 방사형 네트워크 형식을 이용하여 시각화한 지식맵 서비스들을 소개한다.

Abstract AI-Helper 아이콘AI-Helper

Knowledge map is widely used to represent knowledge in many domains. This paper presents a method of integrating the national R&D data and assists of users to navigate the integrated data via using a knowledge map service. The knowledge map service is built by using a lightweight ontology and a topi...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 국가 R&D 정보를 토픽모델링으로 추출된 단순한 연관관계를 기반으로 생성한 온톨로지를 표현하였는데, 국가 R&D 원문 데이터에서 보다 세부적인 온톨로지 개체 및 관계를 추출하여 온톨로지를 구축하는 것이 필요해 보인다.
  • 본 논문에서는 연구과제, 논문, 특허, 연구보고서 등의 국가 R&D 데이터에 대하여 온톨로지와 토픽모델링을 사용하여 구축한 지식 기반의 지식맵 서비스 시스템을 소개한다.
  • 본 논문에서는 온톨로지와 토픽모델링을 활용한 지식맵 서비스를 소개하였다. Lightweight 온톨로지를 사용하여 국가 R&D 데이터의 공동 저자, 공동 참여자, 공통 토픽 등의 연관관계를 표현하였다.
  • , 2013), 과학기술지식정보를 분석 및 표현하는 용도의 지식맵은 주로 과학기술지식정보를 사용자가 효율적으로 직접 네비게이션 할 수 있는 형태의 구조를 설계하는 것에 집중된다(Klavans and Boyack, 2009; Leydesdorff and Rafols, 2009). 본 논문에서는 후자인 과학기술지식정보를 효율적이고 효과적으로 분석하고 표현할 수 있는 방사형 네트워크 기반의 지식맵 방법을 소개한다.
  • 본 섹션에서는 온톨로지와 토픽모델링을 활용하여 생성한 지식베이스를 기반으로 효율적으로 지식을 시각화하고 사용자들의 효과적인 지식 네비게이션을 가능하게 하는 지식맵 서비스를 소개한다. [Table 1]은 지식베이스를 구축하는 사용된 국가 R&D 데이터와 생성된 트리플 데이터의 통계 정보를 나타낸다.
  • 본 연구에서는 온톨로지와 토픽모델링을 활용하여 국가 R&D 과제, 논문, 특허, 연구보고서 같은 국가 R&D 데이터를 연계·융합하고, 이를 트리플 데이터로 변환하여 지식베이스를 구축하는 지식 처리·관리 시스템을 소개한다.
  • 본 연구에서는 온톨로지와 토픽모델링을 활용하여 국가 R&D 과제, 논문, 특허, 연구보고서 같은 국가 R&D 데이터를 연계·융합하고, 이를 트리플 데이터로 변환하여 지식베이스를 구축하는 지식 처리·관리 시스템을 소개한다. 추가로, 이러한 트리플 데이터를 활용하여 지식을 시각화하고 사용자의 지식 네비게이션의 편의성을 향상시킬 수 있는 네트워크 형태의 다차원 지식맵 서비스를 소개한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
전통적인 지식 분류 체계의 문제점은? 기존의 지식 기반 시스템은 주로 카테고리 (Category)나 택사노미 (Taxonomy) 같은 전통적인 지식 분류 체계를 이용한다. 이러한 전통적인 지식 분류 체계는 맥락 (Context)에 따라 변할 수 있는 지식을 고정적으로만 분류한다는 데에 문제점이 있다. 반면, 지식맵은 지식을 네트워크 형태의 유연한 구조로 표현하기 때문에 다양한 맥락 상에서의 지식을 표현할 수 있다.
지식맵의 두 개의 형태는 어떻게 분류되는가? 지식맵은 일반적으로 두 개의 형태로 분류된다. 첫번째는 한 기업이나 기관의 데이터를 지식기반으로 저장/관리/처리 하는 일반적인 지식관리시스템 (Knowledge Management System) 에서 사용되는 형태이고, 두번째는 과학기술지식정보를 분석하고 표현하기 위해 사용된 형태이다. 지식관리시스템에서 사용되는 지식맵은 일반적으로 Business Process의 효율성을 높이기 위해 기업이나 기관의 내부 데이터나 프로세스를 표현하는 데 집중하는 반면(Businska et al.
지식맵의 장점은? 이러한 전통적인 지식 분류 체계는 맥락 (Context)에 따라 변할 수 있는 지식을 고정적으로만 분류한다는 데에 문제점이 있다. 반면, 지식맵은 지식을 네트워크 형태의 유연한 구조로 표현하기 때문에 다양한 맥락 상에서의 지식을 표현할 수 있다. 또한, 지식맵은 네트워크와 맵 형태로 지식을 표현할 수 있는 사용자 인터페이스 (User Interface) 또는 시각화 (Visualization)체계로 정의될 수 있다(Howard, 1989; McCagg and Dansereau, 1991; Eppler, 2001; Kang et al.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Ahmad, M. N. and R. M. Colomb, "Managing ontologies: a comparative study of ontology servers," Proceedings of the eighteenth conference on Australasian database, Vol.63 (2007), 13-22. 

  2. Blei, D. M., A. Y. Ng and M. I. Jordan, "Latent dirichlet allocation," The Journal of machine Learning research, Vol.3(2003), 993-1022. 

  3. Blei, D. M., "Probabilistic topic models," Communications of the ACM, Vol.55, No.4(2012), 77-84. 

  4. Brickley, D. and R. V. Guha, RDF Schema 1.1, W3C, 2014, Available at http://www.w3.org/TR/rdf-schema/ (Downloaded 14 December, 2015). 

  5. Businska, L., I. Supulniece and M. Kirikova, "On data, information, and knowledge representation in business process models," Information Systems Development, Springer New York, 2013, 613-627. 

  6. Eppler, M. J., "Making knowledge visible through intranet knowledge maps: concepts, elements, cases," Proceedings of the 34th Annual Hawaii International Conference on System Sciences, (2001), 9-18. 

  7. Hofmann, T., "Probabilistic latent semantic indexing," Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, (1999), 50-57. 

  8. Howard, R. A., "Knowledge maps," Management science, Vol.35, No.8(1989), 903-922. 

  9. Kang, I., Y. Park, and Y. Kim, "A framework for designing a workflow-based knowledge map," Business process management journal, Vol.9, No.3(2003), 281-294. 

  10. Klavans, R. and K. W. Boyack, "Toward a consensus map of science," Journal of the American Society for information science and technology, Vol.60, No.3(2009), 455-476. 

  11. Leydesdorff, L. and I. Rafols, "A global map of science based on the ISI subject categories," Journal of the American Society for Information Science and Technology, Vol.60, No.2(2009), 348-362. 

  12. McCagg, E. C. and D. F. Dansereau, "A convergent paradigm for examining knowledge mapping as a learning strategy," The Journal of Educational Research, Vol.84, No.6(1991), 317-324. 

  13. Morbach, J., A. Wiesner, and W. Marquardt, "OntoCAPE-A (re) usable ontology for computer-aided process engineering," Computers & Chemical Engineering, Vol.33, No.10 (2009), 1546-1556. 

  14. W3C RDF Working Group, Resource Description Framework (RDF) 1.1, W3C, 2014, Available at http://www.w3.org/RDF/(Downloaded14 December,2015). 

  15. Prud'hommeaux, E. and A. Seaborne, SPARQL Query Language for RDF, W3C, 2008, Available at http://www.w3.org/TR/rdfsparql-query/ (Downloaded 14 December, 2015). 

  16. Rao, L., G. Mansingh and K. M. Osei-Bryson, "Building ontology based knowledge maps to assist business process re-engineering," Decision Support Systems, Vol.52, No.3(2012), 577-589. 

  17. Salton, G. and M. J. Mcgill, Introduction to modern information retrieval, McGraw-Hill, New York, 1986. 

  18. W3C OWL Working Group, OWL2 Web Ontology Language (Second Edition), W3C, 2012, Available at http://www.w3.org/TR/2012/RECowl2-overview-20121211/ (Downloaded 14 December, 2015). 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트