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.
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.
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 m...
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.
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.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
NDSL-NTIS 연계 및 융·복합 서비스를 개발하고 이를 뒷받침하기 위해 연계체계 구축, 분석기반 개선, 개념기반 체계 구축, 연계활용을 지원하는 메타데이터 관리기능 개선을 수행하는 것을 목표로 국가R&D정보 의미기반 서비스를 개발하였다.
본 시스템은 과학기술 및 R&D정보를 제공하고 있는 NDSL(National Digital Science Library)과 NTIS(National Science & Technology Information Service)로부터 입수된 데이터를 의미적으로 연계하는 것이 일차적인 목적이며, 연계된 정보를 주제어 기반으로 정보검색을 제공하는 것이 이차적인 목적이다. 그리고 지식 처리 및 분석을 통해 지식맵 서비스를 연구자에 제공하는 것이 최종 목표이다.
본 시스템은 과학기술 및 R&D정보를 제공하고 있는 NDSL(National Digital Science Library)과 NTIS(National Science & Technology Information Service)로부터 입수된 데이터를 의미적으로 연계하는 것이 일차적인 목적이며, 연계된 정보를 주제어 기반으로 정보검색을 제공하는 것이 이차적인 목적이다.
본 연구에서는 국가 R&D정보를 통합하고, 이를 연구자가 지식베이스 접근을 통해 R&D정보를 검색(browse)하고, 네비게이션(navigate)할 목적임을 감안 과학기술 지식을 표현하는 지식맵을 중점적으로 다루고자 한다.
W3C에서는 온톨로지 모델을 명확하게 하기 위해 지식을 표현하기 위한 표준 프레임워크와 언어인 RDF/s와 OWL 발표하였다. 본 연구에서는 보다 효과적으로 지식을 처리하기 위해 경량화된 온톨로지 모델을 통해 온톨로지를 모델링하였다. 즉, SUMO[35]와 같은 실세계 지식을 표현하는 모든 일반적인 클래스와 관계를 이용하기 보다는 특정 도메인(domain-specific) 클래스와 관계를 이용하여 지식을 명확하게 했다.
지식베이스 시스템에서는 사용자가 어떻게 지식을 찾고, 지식맵을 통해 네비게이트할지를 고려하는 것이 무엇보다 중요하다. 본 절에서는 지식맵이 어떻게 보여지는져야 효과적인지와 사용자들이 어떻게 지식을 네비게이트하면 유용한지에 대해 살펴보고자 한다.
이에, 본 연구에서는 빅데이터라 할 수 있는 국가 R&D정보(사업, 과제 정보 등)와 R&D 수행을 통해 산출된 각종 성과물 정보(논문, 특허, 보고서 정보 등)를 연계하여 R&D 정책입안자에게는 국가 R&D 전주기 의사결정을 지원하고, 연구자에게는 국가 R&D정보 공유 및 미래기술 탐색의 기회를 제공하고자 한다.
제안 방법
[Table 1]은 서비스 대상인 국가R&D정보와 토픽 모델링에 의해 생성된 트리플 데이터의 수를 보여주고 있으며, 제안된 시스템은 단지 트리플에 기반한 지식맵 서비스 만을 제공한다.
본 논문에서는 온톨로지 및 토픽 모델링을 기반으로 한 국가R&D정보에 대한 지식맵 서비스를 살펴보았으며, 통합된 국가R&D정보를 표현하고, 처리하기 위해 경량 온톨로지를 사용하고, 통합 또한 경량 온톨로지 하에서 수행된다.
본 연구에서 온톨로지는 연구자맵, 과제맵, 논문맵과 같은 지식맵에 대한 엔터티와 엔티티 간 관계를 표현하는데 사용된다. 추가적으로, 온톨로지 리파지토리는 온톨로지를 저장하고, 처리하기 위해 이용된다.
본 연구에서는 R&D 데이터를 관계형 DB로 변환하는데 두 번째 방식을 하였고, R&D 객체 간의 주제어 관계를 추출하는 데에는 세 번째 방식을 사용하였다.
본 연구에서는 국가R&D 사업/과제 정보와 연구성과물 정보(연구보고서, 논문, 특허, 동향(GTB: Global Trends Briefing)정보 등)와 같은 국가 R&D정보에 대한 지식 연계를 통해 온톨로지 기반의 지식맵 서비스 시스템을 구축하였다.
우리의 시스템에 국가 R&D정보에 대한 지식을 처리하고, 표현하기 위해 RDF/s, 온톨로지, 트리플 저장소 및 SPAQL과 같은 시맨틱 웹 기술을 이용하였다.
이를 위해, 국가 R&D정보와 성과물 정보를 연관 정보(주제어, 연구자, 기관 정보 등)를 기반으로 하여 온톨로지를 모델링하고, 이에 대한 가시화 서비스(지식맵 서비스)를 구축하였다.
지식맵은 지식을 표현하는 유명한 인터페이스 중에 하나이며, 사용자가 쉽게 지식을 네비게이트 할 수 있게 해 준다. 제안된 시스템에서는 다이어그램, 그래프, 챠트 형태와 같은 다양한 지식맵 표현 중에 연구자, 토픽, 기관, 학회 간의 지식관계를 표현하기에 적합한 네트워크 형태의 지식맵을 활용하였다.
본 연구에서는 보다 효과적으로 지식을 처리하기 위해 경량화된 온톨로지 모델을 통해 온톨로지를 모델링하였다. 즉, SUMO[35]와 같은 실세계 지식을 표현하는 모든 일반적인 클래스와 관계를 이용하기 보다는 특정 도메인(domain-specific) 클래스와 관계를 이용하여 지식을 명확하게 했다.
우선, NDSL과 NTIS로부터 입수된 국가 R&D정보는 각 콘텐츠 별 DB(논문 DB, 특허 DB, 연구보고서 DB, 사업/과제 DB 등)를 하나의 통합 DB에 저장한다. 통합된 데이터는 온톨로지 스키마를 참조하고, DB-to-OWL 맵퍼(mapper)를 이용하여 트리플 데이터로 변환한다. 변환된 트리플 데이터는 “R&D navigation knowledge base”라 불리는 온톨로지 리파지토리로 로드된다.
대상 데이터
국가R&D정보를 트리플로 변환하기 위해 [Fig. 4]의 DB2OWL 맵퍼(mapper)를 이용하였다.
이론/모형
국가R&D정보에 대한 지식을 저장하고 처리하기 위해 N-트리플(triple) 형태를 이용하였다.
제안된 시스템은 대부분의 질의응답(query answering) 및 추론(inference)이 스키마 모델 상에서 수행되기 때문에 경량 온톨로지(lightweight ontology)를 이용하였다.
후속연구
하지만, 현재의 텍스트 마이닝과 자연어 처리 성능은 텍스트 데이터로부터 완전하게 지식을 추출함에 있어 여전히 만족스럽지 못하다. 만일 그러한 문제에 대해 조금 더 준비할 수 있다면, 보다 완전한 온톨로지를 구축할 수 있을 것이며, 사용자에게 지식맵을 통해 보다 정교하고, 섬세한 지식 처리 및 검색을 제공할 수 있을 것이다.
향후 연구에서는 텍스트 데이터로부터 온톨로지적인 엔티티와 관계를 자동 또는 반자동 추출하는데 보다 집중하고자 하며, 이를 통해, 지식맵 및 네비게이션 서비스는 국가R&D정보뿐만 아니라 과학기술정보에 대해서도 보다 완성된 지식을 제공할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
시맨틱 웹 데이터를 생성하는 방법으로 무엇이 있는가?
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 웹이란 무엇인가?
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].
RDF는 무엇으로 구성되는가?
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.
참고문헌 (19)
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.
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.
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.
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.
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.
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.
M. alhaji Musa, M. S. Othman, and W. M. Al-Rahimi, "Ontology driven knowledge map for enhancing business process reengineering," 2013.
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.
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
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.
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.
A. M. A. T. Moustafa, F. Giunchiglia and V. Maltese, "A Collaborative Platform for multilingual Ontology Development," 2014.
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.
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.
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.
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
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
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.
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.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.