[논문]링크드 오픈 데이터에서 TF-IDF를 이용한 새로운 시맨틱 거리 측정 기법

조정길

doi:10.15207/jkcs.2020.11.10.089

링크드 오픈 데이터에서 TF-IDF를 이용한 새로운 시맨틱 거리 측정 기법
A New Semantic Distance Measurement Method using TF-IDF in Linked Open Data 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.10, 2020년, pp.89 - 96

초록
AI-Helper

링크드 데이터는 다양한 영역의 데이터세트를 서로 연결할 수 있는 표준 방식의 구조화된 데이터를 가능하게 한다. 그리고 링크드 오픈 데이터(LOD)의 급속한 발전에 따라 연구자들은 시맨틱 유사도 평가와 같은 특정 문제를 해결하기 위해 LOD를 이용하고 있다. 이 논문에서는 LOD-기반 추천 시스템에서 사용될 수 있는 자원 간의 링크드 데이터 시맨틱 거리를 계산하기위한 방법을 제안한다. 이 논문에서 제안된 시맨틱 거리 측정 모델은 LOD-기반 시맨틱 거리와 정보 검색 분야에서 잘 알려진 TF-IDF를 이용한 새로운 링크 가중치를 결합한 유사도 측정을 기반으로 한다. 이 논문의 접근방식의 효과성을 검증하기 위하여 DBpedia와 MovieLens의 혼합 데이터를 사용하여 LOD-기반 추천 시스템의 맥락에서 성능을 평가하였다. 실험 결과는 제안된 방법이 다른 유사한 방법과 비교하여 더 높은 정확도를 나타내었다. 또한 시맨틱 거리 계산의 범위를 넓혀서 추천 시스템의 정확도 향상에 기여하였다.

Abstract ▼ AI-Helper

Linked Data allows structured data to be published in a standard way that datasets from various domains can be interlinked. With the rapid evolution of Linked Open Data(LOD), researchers are exploiting it to solve particular problems such as semantic similarity assessment. In this paper, we propose a method, on top of the basic concept of Linked Data Semantic Distance (LDSD), for calculating the Linked Data semantic distance between resources that can be used in the LOD-based recommender system. The semantic distance measurement model proposed in this paper is based on a similarity measurement that combines the LOD-based semantic distance and a new link weight using TF-IDF, which is well known in the field of information retrieval. In order to verify the effectiveness of this paper's approach, performance was evaluated in the context of an LOD-based recommendation system using mixed data of DBpedia and MovieLens. Experimental results show that the proposed method shows higher accuracy compared to other similar methods. In addition, it contributed to the improvement of the accuracy of the recommender system by expanding the range of semantic distance calculation.

주제어

표/그림 (5)

그림 Fig. 1. An example of reachable resources
그림 Fig. 2. Example Linked Data Graph
그림 Fig. 3. F₁-scores at different ranked results cutoffs for other methods
표 Table 1. The result of performance comparison with other methods
그림 Fig. 4. Comparison of MRR scores with other methods

AI 본문요약
AI-Helper

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

문제 정의

이 논문에서는 링크드 데이터의 자원에 대한 시맨틱 거리를 측정하기 위해 새로운 접근방식을 제안했다. 우리의 접근 방식에서는 추가 자원을 포함하도록 기존의 시맨틱 거리 접근방식의 범위를 확장하였는데, 자원에 대한 링크의 중요성은 LOD 데이터세트에 있는 자원들 및 링크들 전체 컬렉션을 기반으로 평가되었다.

가설 설정

이 논문에서의 링크 가중치는 동적으로 계산되어 링크와 링크된 자원 간의 관계 외에도 링크와 데이터세트의 다른 링크 간의 관계도 고려한다. 이 방법은 문서들 그룹 자원에 있는 많은 양의 링크에 대하여 각각의 링크 가중치를 계산하기 위해 전체 LOD 데이터세트를 순회해야한다는 것이다.

제안 방법

Piao(2015)의 연구에서는 자원 유사도(Resim)라는 개선된 링크드 데이터 시맨틱 거리 접근방식을 도입했다[7]. Resim은 자기-유사도, 대칭성 및 최소값과 같은 약점을 극복하면서 기존의 LDSD 접근 방식을 수정했다. 또한 Resim은 데이터세트의 경로 발생에 따라 다른 정규화 방법을 적용하여 Piao(2016)[13]에서 접근방식을 개선했다.
기존의 LDSD와 Resim 측정에서는 모든 링크를 동일한 가중치를 갖는 것으로 간주하여 시맨틱 거리를 계산하였다. 그러나 이 논문에서는 TF-IDF(Term Frequency-Inverse Document Frequency)[11]를 이용하여 연결된 자원의 네트워크 전체에 걸쳐 각각의 링크에 링크 가중치를 계산하여 시맨틱 거리를 측정한다. 이 논문의 방법은 기존의 시맨틱 거리 접근법의 범위를 하나 이상의 중간 허브를 통해 연결된 자원으로 확장하기 때문에 여러 면에서 유리하다.
PLDSD에서는 잘 알려진 플로이드-워셜(Floyd-Warshall) 알고리즘인 모든 쌍 최단 경로 알고리즘을 사용하여 하나 또는 두 개의 링크 거리에 있는 자원을 넘어 시맨틱 거리 계산을 확장했다. 그러나 이 방법은 LOD 그래프 축소와 시맨틱 거리 전파를 통해 유사도를 측정하였으나 자원에 연결된 링크들에 대해서는 고정된 값으로 자원 간의 유사도를 계산하였다.
그리고 두 링크보다 더 멀리 떨어진 노드에 대해 속성-기반 유사도 측정을 사용하여 시맨틱 거리에 참여하는 노드 수를 확장했다. 그러나 이 방법은 해당 특성만 기준으로 반영하고 더 멀리 떨어진 링크 거리 자원에 대한 그래프 구조를 고려하지 않고 자원 간의 유사도를 계산하였다.
또한 Resim은 데이터세트의 경로 발생에 따라 다른 정규화 방법을 적용하여 Piao(2016)[13]에서 접근방식을 개선했다. 그리고 두 링크보다 더 멀리 떨어진 노드에 대해 속성-기반 유사도 측정을 사용하여 시맨틱 거리에 참여하는 노드 수를 확장했다. 그러나 이 방법은 해당 특성만 기준으로 반영하고 더 멀리 떨어진 링크 거리 자원에 대한 그래프 구조를 고려하지 않고 자원 간의 유사도를 계산하였다.
기존의 LDSD와 Resim 측정에서는 모든 링크를 동일한 가중치를 갖는 것으로 간주하여 시맨틱 거리를 계산하였다. 그러나 이 논문에서는 TF-IDF(Term Frequency-Inverse Document Frequency)[11]를 이용하여 연결된 자원의 네트워크 전체에 걸쳐 각각의 링크에 링크 가중치를 계산하여 시맨틱 거리를 측정한다.
기존의 측정방법인 LDSD, Resim, PLDSD에서는 모든 링크 l_x를 동일한 가중치를 갖는 것으로 간주하여 시맨틱 거리를 계산했다. 그러나 이 논문에서는 각각의 링크에 링크 가중치를 계산하기 위해 정보 검색과 데이터마이닝에서 이용하는 가중치인 TF-IDF(Term Frequency-Inverse Document Frequency)[11]를 사용한다.
우리의 접근 방식에서는 추가 자원을 포함하도록 기존의 시맨틱 거리 접근방식의 범위를 확장하였는데, 자원에 대한 링크의 중요성은 LOD 데이터세트에 있는 자원들 및 링크들 전체 컬렉션을 기반으로 평가되었다. 우리는 두 링크 이상으로 떨어진 자원을 기반으로 시맨틱 거리를 효율적으로 계산하기 위해 TF-IDE를 변형하여 사용하였다. 평가 결과는 링크 가중치를 사용하지 않는 기존 방법들을 능가하는 성능을 보였다.
이 논문에서는 링크드 데이터의 자원에 대한 시맨틱 거리를 측정하기 위해 새로운 접근방식을 제안했다. 우리의 접근 방식에서는 추가 자원을 포함하도록 기존의 시맨틱 거리 접근방식의 범위를 확장하였는데, 자원에 대한 링크의 중요성은 LOD 데이터세트에 있는 자원들 및 링크들 전체 컬렉션을 기반으로 평가되었다. 우리는 두 링크 이상으로 떨어진 자원을 기반으로 시맨틱 거리를 효율적으로 계산하기 위해 TF-IDE를 변형하여 사용하였다.
이 논문에서 제안된 시맨틱 거리 측정 모델은 LOD기반 시맨틱 거리와 새로운 링크 가중치를 결합한 방법을 기반으로 한다. 그래프에 동일한 가중치를 할당하면 가중치를 정의하지 않은 방법보다 시맨틱 거리를 더 정확하게 나타낼 수가 있으며, 이에 더하여 자원마다 가중치를 다르게 할당하면 동일한 가중치를 할당한 방법보다 더 정확하고 정밀하게 나타낼 수가 있다.
이 논문에서 제안된 시맨틱 거리 측정은 추천 알고리즘으로 사용 시에 성능 측면에서 평가한다. 이를 위하여 실험 평가에 사용된 데이터베이스는 Movielens 1M Dataset[14]이며, 4000편의 영화에서 6000명의 사용자로부터 백만 개의 평가를 받았다.
TF-IDF는 문서들 그룹 내에서 문서에 있는 단어 (term)의 중요성을 평가하는 데 사용된다. 이 논문의 범위에서 자원에 대한 링크의 중요성은 LOD 데이터세트에 있는 자원들 및 링크들 전체 컬렉션을 기반으로 평가된다. 따라서 TF-IDF의 단어 빈도(tf(d,t))와 역문서 빈도 (idf(d,t))는 각각 링크 빈도(lf(l_x, r_a, r_b))와 역자원 빈도(irf(l_x, r_a, r_b))로 변형하여 사용한다.
Leal(2012)의 연구에서는 DBpedia에서 자원의 시맨틱 관련성을 계산하는 접근법을 제시했다[12]. 이 접근법에서는 근접성 개념에 기초한 유사도 척도를 제안했는데, 이는 근접성보다는 두 개의 자원이 얼마나 연결되어 있는지를 측정했다. 이는 유사도 측정이 두 노드 사이의 거리와 경로를 모두 고려함을 의미한다.
자원의 결과 목록을 사용자별 내림차순으로 정렬한 다음에, 이 테스트 자원을 각각의 시맨틱 거리 접근방식의 효과를 측정하기 위해 사용하였다. 표준 평가 척도인 F₁-score 및 MRR(Mean Reciprocal Rank)을 평가 방법으로 사용하였으며, 정밀도와 재현율의 조화 평균인 F₁-score는 다음과 같이 계산한다[16,17].

대상 데이터

이 논문에서 제안된 시맨틱 거리 측정은 추천 알고리즘으로 사용 시에 성능 측면에서 평가한다. 이를 위하여 실험 평가에 사용된 데이터베이스는 Movielens 1M Dataset[14]이며, 4000편의 영화에서 6000명의 사용자로부터 백만 개의 평가를 받았다. 또한 이를 바탕으로 사용자 모델인 영화에 대한 사용자, 영화 및 사용자 등급을 저장할 수 있는 하나의 데이터베이스를 모델링하고 영화의 내용도 저장했다.

이론/모형

Alfarhood(2017)연구에서는 LDSD의 시맨틱 거리 접근법의 범위를 넓히는 전파된 링크 데이터 시맨틱 거리(PLDSD)라 불리는 접근법을 소개하였다[8]. PLDSD에서는 잘 알려진 플로이드-워셜(Floyd-Warshall) 알고리즘인 모든 쌍 최단 경로 알고리즘을 사용하여 하나 또는 두 개의 링크 거리에 있는 자원을 넘어 시맨틱 거리 계산을 확장했다. 그러나 이 방법은 LOD 그래프 축소와 시맨틱 거리 전파를 통해 유사도를 측정하였으나 자원에 연결된 링크들에 대해서는 고정된 값으로 자원 간의 유사도를 계산하였다.
를 동일한 가중치를 갖는 것으로 간주하여 시맨틱 거리를 계산했다. 그러나 이 논문에서는 각각의 링크에 링크 가중치를 계산하기 위해 정보 검색과 데이터마이닝에서 이용하는 가중치인 TF-IDF(Term Frequency-Inverse Document Frequency)[11]를 사용한다. TF-IDF는 문서들 그룹 내에서 문서에 있는 단어 (term)의 중요성을 평가하는 데 사용된다.
자원의 결과 목록을 사용자별 내림차순으로 정렬한 다음에, 이 테스트 자원을 각각의 시맨틱 거리 접근방식의 효과를 측정하기 위해 사용하였다. 표준 평가 척도인 F₁-score 및 MRR(Mean Reciprocal Rank)을 평가 방법으로 사용하였으며, 정밀도와 재현율의 조화 평균인 F₁-score는 다음과 같이 계산한다[16,17].

성능/효과

-score 및 MRR)에서 다른 접근방법인 LDSD, Resim, PLDSD을 모두 능가했다. F₁-score는 또한 상위 5개 결과(F₁@5)에 대하여 이 논문의 경우 0.053의 점수, PLDSD의 경우 0.051의 점수, LDSD의 경우 0.036의 점수, Resim의 경우 0.046 인 결과를 도출하였다. 이러한 결과는 Fig.
3에 표시된 다른 결과 컷오프 지점인 F₁@10 와 F₁@20에서도 유지되었다. F₁@10의 결과는 이 논문, PLDSD, Resim, LDSD가 각각 0.064 0.061 0.056 0.045인 점수를 도출하였으며, F₁@20의 결과는 이 논문, PLDSD, Resim, LDSD가 각각 0.065 0.061 0.055 0.047인 점수를 도출하였다.
Fig. 4에서와 같이 MRR 값은 이 논문의 성능이 LDSD에 비해 65.5 % (0.048 대 0.029)가 개선되고, Resim에 비해 23.1 % (0.048 대 0.039)가 개선되었으며, PLDSD에 비하여 6.7 %(0.048 대 0.045)가 개선되었음을 보여주었다.
Table 1의 결과에서 알 수가 있듯이, 이 논문의 접근 방법 정확도는 모든 지표(F₁-score 및 MRR)에서 다른 접근방법인 LDSD, Resim, PLDSD을 모두 능가했다. F₁-score는 또한 상위 5개 결과(F₁@5)에 대하여 이 논문의 경우 0.
이 논문에서 제안된 시맨틱 거리 측정 모델은 LOD기반 시맨틱 거리와 새로운 링크 가중치를 결합한 방법을 기반으로 한다. 그래프에 동일한 가중치를 할당하면 가중치를 정의하지 않은 방법보다 시맨틱 거리를 더 정확하게 나타낼 수가 있으며, 이에 더하여 자원마다 가중치를 다르게 할당하면 동일한 가중치를 할당한 방법보다 더 정확하고 정밀하게 나타낼 수가 있다. 이는 그래프에서 자원들 간의 연결성은 관련성을 나타내기 때문에 자원이 더 많이 연결되고 가중치가 높을수록 더 관련이 있다.
평가 결과는 링크 가중치를 사용하지 않는 기존 방법들을 능가하는 성능을 보였다. 이 결과는 그래프에서 자원을 더 멀리 고려하여 시맨틱 거리 계산을 하면 LOD 기반 추천 시스템의 정확도가 향상됨을 보여준다. 향후 연구로는 확장된 시맨틱 거리 전파가 다른 도메인 영역에 미치는 영향을 분석할 계획이다.
F₁-score 값은 상이한 순위 결과 컷오프인 5, 10, 20으로 제시했다. 이 논문의 평가 결과는 F₁@5, F₁@10, F₁@20, MRR 값이 각각 0.055, 0.064, 0.062, 0.048의 성능을 보여주었으며, 이러한 결과로 이 논문의 모델 성능이 우수함을 입증하였다.
우리는 두 링크 이상으로 떨어진 자원을 기반으로 시맨틱 거리를 효율적으로 계산하기 위해 TF-IDE를 변형하여 사용하였다. 평가 결과는 링크 가중치를 사용하지 않는 기존 방법들을 능가하는 성능을 보였다. 이 결과는 그래프에서 자원을 더 멀리 고려하여 시맨틱 거리 계산을 하면 LOD 기반 추천 시스템의 정확도가 향상됨을 보여준다.

후속연구

이 결과는 그래프에서 자원을 더 멀리 고려하여 시맨틱 거리 계산을 하면 LOD 기반 추천 시스템의 정확도가 향상됨을 보여준다. 향후 연구로는 확장된 시맨틱 거리 전파가 다른 도메인 영역에 미치는 영향을 분석할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	LOD의 그래프 구조를 사용하는 접근방식은 무엇인가?	LOD의 그래프 구조를 사용하는 한 가지 접근방식은 그래프에서 시맨틱 거리로 자원 관련성을 측정하는 것이다. 이 방식은 LOD 그래프에서 서로 연결된 자원이 많을수록 관련성이 높다.
	LOD를 추천 시스템에 채택하면 어떤 효과가 있는가?	LOD는 추천 시스템의 성능을 개선하고 추천 시스템에 내재된 콜드 스타트(cold-start) 문제를 줄이기 위해 추천 시스템에 채택되었다[3,4]. 추천 작업에서 시맨틱 데이터의 사용은 풍부한 데이터 표현을 제공할 뿐만 아니라 다른 도메인에 대해 동일한 접근 방식을 쉽게 채택 할 수 있다. 또한 LOD 데이터세트의 자원이 고유한 URI로 식별되고 의미적으로 서로 연결되어 있기 때문에 동의어(synonymy) 및 다의어(polysemy)와 같은 키워드-기반 접근방식과 관련된 문제가 해결된다[5].
	LOD(Linked Open Data)는 무엇인가?	링크드 데이터는 사유 또는 공개일 수 있으며, 조직과 기업 내부에서 사용하고 비즈니스 파트너와 공유하여 보다 쉬운 통합을 제공하고 상호운용성을 촉진한다. LOD(Linked Open Data)는 개방형 시맨틱 웹 표준과 프리 라이센스를 통해 점점 더 많은 양의 다양한 구조화된 데이터에 액세스 할 수 있는 최근의 커뮤니티 중심 산물이다[1]. LOD 클라우드는 미디어, 지리, 정부, 출판 및 생명 과학과 같은 영역에서 570 개의 데이터세트에 무료로 액세스 할 수가 있다.

참고문헌 (17)

C. Bizer, T. Heath & T. Berners-Lee. (2009). Linked Data-The Story So Far. International Journal on Semantic Web and Information Systems, 5(3), 1-22. DOI : 10.4018/jswis.2009081901

상세보기
Google. (2004). RDF vocabulary description language 1.0: RDF schema. W3C[Online]. https://www.w3.org/2001/sw/RDFCore/Schema/200212bwm/
V. C. Ostuni, T. D. Noia, E. D. Sciascio & R. Mirizzi. (2013). Top-n recommendations from implicit feedback leveraging linked open data. In Proceedings of the 7th ACM conference on Recommender systems, 85-92. DOI : 10.1145/2507157.2507172
A. Passant. (2010). dbrec: Music Recommendations Using DBpedia. In ISWC 2010 SE-14, 209-224. DOI : 10.1007/978-3-642-17749-1_14
S. E. Middleton, D. De Roure & N. R. Shadbolt. (2009). Ontology-based recommender systems. In Handbook on ontologies, 779-796.
A. Passant. (2010, March). Measuring Semantic Distance on Linking Data and Using it for Resources Recommendations. In AAAI Spring Symposium: Linked Data Meets Artificial Intelligence (Vol. 77, p. 123).
G. Piao, S. S. Ara & J. G. Breslin, (2015). Computing the Semantic Similarity of Resources in DBpedia for Recommendation Purposes. In 5th Joint International Semantic Technology Conference. (pp. 185-200). Springer, Cham. DOI: 10.1007/978-3-319-31676-5
S. Alfarhood, K. Labille & S. Gauch. (2017) PLDSD: Propagated Linked Data Semantic Distance. IEEE 26th International Conference on Enabling Technologies: Infrastructure for Collaborative Enterprises(WETICE), 278-283. DOI: 10.1109/WETICE.2017.16
G. O. Silva, F. A. Durao & M. Capretz, (2019). PLDSD: Personalized Linked Data Semantic Distance for LOD-Based Recommender Systems. iiWAS2019. DOI: 10.1145/3366030.3306041
S. Alfarhood, S. Gauch & K. Labille. (2019). Semantic Distance Spreading Accross Entities in Linked Open Data. Information 2019, 10(15), 1-15. DOI: 10.3390/info10010015
D. S. Park & H. J. Kim. (2018). A Proposal of Join Vector for Semantic Factor Reflection in TF-IDF Based Keyword Extraction. Journal of KIIT, 16(2), 1-16. DOI : 10.14801/JKIIT.2018.16.2.1
J. P. Leal, V. Rodrigues & R. Queiros. (2012). Computing semantic relatedness using dbpedia. Symposium on Languages, Applications and Technologies, 1st (pp. 133-147). Schloss Dagstuhl. DOI: 10.4230/OASIcs.SLATE.2012.133
G. Piao & J. G. Breslin. (2016). Measuring Semantic Distance for Linked Open Data-enabled Recommander Systems. SAC '16: Proceedings of the 31st Annual ACM Symposium on Applied Computing, 315-320. DOI: 10.1145/2851613.2851839
Google. (2020). Movielens 1M Dataset. grouplens [Online]. https://grouplens.org/datasets/movielens/1m/
Google. (2020). MappingMovielens2DBpedia. researchGate [Online]. https://www.researchgate.net/publication/297369577_mapping-movielens-dbpedia
J. G. Cho. (2020). A location localization method using Smartphone sensor on a subway. Journal of the Korea Convergence Society, 11(3), 37-43. DOI : 10.15207/JKCS.2020.11.3.037
D. Khongorzul, S. M. Lee & M. H. Kim. (2019). OrdinalEncoder based DNN for Natural Gas Leak Prediction. Journal of the Korea Convergence Society, 10(10), 7-13. DOI : 10.15207/JKCS.2019.10.10.007

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증