$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"

논문 상세정보

국가R&D정보에 대한 온톨로지 기반 지식맵 서비스

Knowledge Map Service based on Ontology of Nation R&D Information

초록

과학기술 및 R&D 연구자는 선행 연구와 그 개발 결과에 대해 조사 분석하는데 많은 시간을 소비한다. 그리고 최근에는 효과적인 정보검색을 위해 시맨틱 웹을 비롯한 다양한 검색기술을 제공하고 있으며, 특히 온톨로지를 이용한 검색기술은 가장 효과적인 방법으로 알려져 있다. 이에, 본 연구는 국가 R&D정보(사업 및 과제정보), 그 사업 및 과제 수행을 통한 성과물(논문, 특허, 보고서, 기술이전 정보 등), 그리고 사업 및 과제와 연관된 정보(동향, 연구자, 용어 정보 등)를 연계하여 지식베이스(RDF-Triple)를 모델링하고, 이를 지식맵 서비스로 구현하여 연구자에게 국가 R&D정보를 한 눈에, 한 곳에서 국가 R&D정보를 살펴볼 수 있게 하는 것이다. 이를 통해, 정책가(정책입안자)에게는 R&D 전략 수립 과정 및 의사 결정을 지원할 수 있으며, 연구자에게는 선행 연구에 대한 조사 분석 시간 단축 및 새로운 연구 주제를 도출할 수 있는 기회를 제공할 수 있다.

Abstract

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 modeling method. The national R&D data is integrated with the research project as its center, i.e., the other R&D data such as research papers, patent, and project reports are connected with the research project as its outputs. The lightweight ontology is used to represent the simple relationships between the integrated data such as project-outputs relationships, document-author relationships, and document-topic relationships. Knowledge map enables us to infer the further relationships such as co-author and co-topic relationships. To extract the relationships between the integrated data, a RDB-to-Triples transformer is implemented. Lastly, we show an experiment on R&D data integration using the lightweight ontology, triples generation, and visualization and navigation of the knowledge map.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
시맨틱 웹 데이터
시맨틱 웹 데이터를 생성하는 방법으로 무엇이 있는가?
첫 번째는 협업 환경에서 온톨로지를 설계하고, 온톨로지 스키마에 기반한 인스턴스를 수작업으로 생성하는 것이고[12,13,14], 두 번째는 관계 데이터를 RDB-to-Triple 매핑 규칙을 통해 온톨로지로 변환하는 것이며[13,15], 세 번째는 텍스트 마이닝과 자연어 처리기술을 기반으로 엔트리와 엔트리 간 관계를 자동 또는 반자동 추출함으로써 텍스트 데이터로부터 온톨로지를 생성하는 것이다

시맨틱 웹 데이터를 생성하기 위해서는 3가지 방법이 있다. 첫 번째는 협업 환경에서 온톨로지를 설계하고, 온톨로지 스키마에 기반한 인스턴스를 수작업으로 생성하는 것이고[12,13,14], 두 번째는 관계 데이터를 RDB-to-Triple 매핑 규칙을 통해 온톨로지로 변환하는 것이며[13,15], 세 번째는 텍스트 마이닝과 자연어 처리기술을 기반으로 엔트리와 엔트리 간 관계를 자동 또는 반자동 추출함으로써 텍스트 데이터로부터 온톨로지를 생성하는 것이다[16,17]. 본 연구에서는 R&D 데이터를 관계형 DB로 변환하는데 두 번째 방식을 하였고, R&D 객체 간의 주제어 관계를 추출하는 데에는 세 번째 방식을 사용하였다.

시맨틱 웹
시맨틱 웹이란 무엇인가?
XML, RDF/RDFS 및 OWL과 같은 기계로 처리가능한 형태를 통해 객체에 대한 명확한 의미를 부여함으로써 실세계 객체를 표현하는 데이터에 관한 데이터의 웹이라 할 수 있다[24]. 따라서, 시맥틱 웹은 시맨틱 웹 데이터를 기계적으로 처리가능하기 때문에 의미를 갖는 웹 자원을 표현하고, 구분(identify)하는 그 자체로 거대 인덱스(huge index)라 말할 수 있다

전통적인 웹은 사람 중심 네비게이션(human navigation)을 위해 만들어진 문서 웹(Web of documents)이라 할 수 있다. 반면, 시맨틱 웹은 XML, RDF/RDFS 및 OWL과 같은 기계로 처리가능한 형태를 통해 객체에 대한 명확한 의미를 부여함으로써 실세계 객체를 표현하는 데이터에 관한 데이터의 웹이라 할 수 있다[24]. 따라서, 시맥틱 웹은 시맨틱 웹 데이터를 기계적으로 처리가능하기 때문에 의미를 갖는 웹 자원을 표현하고, 구분(identify)하는 그 자체로 거대 인덱스(huge index)라 말할 수 있다[9,10].

RDF
RDF는 무엇으로 구성되는가?
주어(ubject), 동사(predicate), 목적어(object)로 갖는 트리플

최근의 온톨로지 기반 지식관리시스템은 RDF 데이터의 저장, 변경, 처리를 위해서 n-트리플 형태가 널리 사용된다. RDF(Resource Description Framework)는 서로 다른 어플리케이션 간의 데이터 교환을 효율적으로 하기위해 웹에 관련된 메타데이터를 표현하기 위한 언어이며, 주어(ubject), 동사(predicate), 목적어(object)로 갖는 트리플로 구성된다. [Fig.

질의응답 정보가 도움이 되었나요?

저자의 다른 논문

참고문헌 (19)

  1. 1. L. Rao, 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, pp 577-589, 2012. 
  2. 2. R. Krishnan, A. Hussain and P. C. Sherimon, "Retrieval of semantic concepts based on analysis of texts for automatic construction of ontology," In Neural Information Processing, pp 524-532, 2012. 
  3. 3. J. Morbach, A. Wiesner and W. Marquardt, "OntoCAPE-A (re) usable ontology for computer-aided process engineering," Computers & Chemical Engineering, vol. 33, no. 10, 1546-1556, 2009. 
  4. 4. L. Businska, I. Supulniece and M. Kirikova, "On data, information, and knowledge representation in business process models," In Information Systems Development, Springer New York, pp 613-627, 2013. 
  5. 5. R. Klavans and K. W. Boyack, "Toward a consensus map of science," Journal of the American Society for information science and technology, vol. 60, no. 3, pp 455-476, 2009. 
  6. 6. L. Leydesdorff 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, 348-362, 2009. 
  7. 7. M. alhaji Musa, M. S. Othman, and W. M. Al-Rahimi, "Ontology driven knowledge map for enhancing business process reengineering," 2013. 
  8. 8. A. Maaref, and M. N. Ahmad, "Designing Successful Strategy for Business Process Outsourcing Based on Ontological Knowledge Map," Journal of Poverty, Investment and Development, vol. 1, pp 76-83, 2013. 
  9. 9. J. Lehmann, R. Isele, M. Jakob, A. Jentzsch, D. Kontokostas, P. N. Mendes and C. Bizer, "DBpedia - A large-scale, multilingual knowledge base extracted from Wikipedia," Semantic Web, 2014 
  10. 10. B. J. Stucky, J. Deck, T. Conlin, L. Ziemba, N. Cellinese and R. Guralnick, "The BiSciCol Triplifier: bringing biodiversity data to the Semantic Web," BMC bioinformatics, vol. 15, no. 1, 257, 2014. 
  11. 11. T. Tudorache, C. Nyulas, N.F. Noy and M. A. Musen, "WebProtege: A collaborative ontology editor and knowledge acquisition tool for the web," Semantic web, vol. 4, no. 1, pp 89-99, 2013. 
  12. 12. A. M. A. T. Moustafa, F. Giunchiglia and V. Maltese, "A Collaborative Platform for multilingual Ontology Development," 2014. 
  13. 13. M. Strohmaier, S. Walk, J. Poschko, D. Lamprecht, T. Tudorache, C. Nyulas and N. F. Noy, "How ontologies are made: Studying the hidden social dynamics behind collaborative ontology engineering projects," Web Semantics: Science, Services and Agents on the World Wide Web, vol. 20, pp 18-34, 2013. 
  14. 14. H. A. Santoso, S. C. Haw and Z. T. Abdul-Mehdi, "Ontology extraction from relational database: Concept hierarchy as background knowledge," Knowledge-Based Systems, vol. 24, no. 3, pp 457-464, 2011. 
  15. 15. J. F. Sequeda, M. Arenas and D. P. Miranker, "On directly mapping relational databases to RDF and OWL," In Proceedings of the 21st international conference on World Wide Web, ACM, pp 649-658, 2012. 
  16. 16. S.J. Kim, I.S. Kim, J.H. Jeon, "Index for Efficient Ontology Retrieval and Inference", Society for E-Business Studies Journal, vol. 18, no. 2, pp.153-173, 2013 
  17. 17. J.W. Kim, M.S. Bae, "Effective Indexing for Evolving Data Collection by Using Ontology", Korea Multimedia Society Journal, vol. 17, no. 2, pp.240-247, 2014 
  18. 18. Jae-Yong Lee, "Software Development Process Improvement Training and Collaboration Capabilities Optimized to the Psychological Type of ICT Engineer", Journal of the Korea Convergence Society, Vol. 6, No. 4, pp. 105-111, 2015. 
  19. 19. Hyun-Sook Chung, Jeong-Min Kim, "Design of Semantic Models for Teaching and Learning based on Convergence of Ontology Technology", Journal of the Korea Convergence Society, Vol. 6, No. 3, pp. 127-134, 2015. 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

DOI 인용 스타일

"" 핵심어 질의응답