[논문]문화예술기관 기본정보의 품질개선과 연계를 위한 지식그래프 구축

선은택; 김학래

doi:10.3743/kosim.2023.40.4.329

문화예술기관 기본정보의 품질개선과 연계를 위한 지식그래프 구축
Constructing a Knowledge Graph for Improving Quality and Interlinking Basic Information of Cultural and Artistic Institutions 원문보기

정보관리학회지 = Journal of the Korean Society for Information Management, v.40 no.4, 2023년, pp.329 - 349

선은택 (중앙대학교 일반대학원 문헌정보학과 정보학전공) , 김학래 (중앙대학교 사회과학대학 문헌정보학과)

초록
AI-Helper

정보통신 기술이 빠르게 발전하면서 데이터의 생산 속도가 급증하였고, 이는 빅데이터라는 개념으로 대표되고 있다. 단시간에 데이터 규모가 급격하게 증가한 빅데이터에 대해 품질과 신뢰성에 대한 논의도 진행되고 있다. 반면 스몰데이터는 품질이 우수한 최소한의 데이터로, 특정 문제 상황에 필요한 데이터를 의미한다. 문화예술 분야는 다양한 유형과 주제의 데이터가 존재하며 빅데이터 기술을 활용한 연구가 진행되고 있다. 하지만 문화예술기관의 기본정보가 정확하게 제공되고 활용되는지를 탐색한 연구는 부족하다. 기관의 기본정보는 대부분의 빅데이터 분석에서 사용하는 필수적인 근거일 수 있고, 기관을 식별하기 위한 출발점이 된다. 본 연구는 문화예술 기관의 기본정보를 다루는 데이터를 수집하여 공통 메타데이터를 정의하고, 공통 메타데이터를 중심으로 기관을 연계하는 지식그래프 형태로 스몰데이터를 구축하였다. 이는 통합적으로 문화예술기관의 유형과 특징을 탐색할 수 있는 방안이 될 수 있다.

Abstract ▼ AI-Helper

With the rapid development of information and communication technology, the speed of data production has increased rapidly, and this is represented by the concept of big data. Discussions on quality and reliability are also underway for big data whose data scale has rapidly increased in a short period of time. On the other hand, small data is minimal data of excellent quality and means data necessary for a specific problem situation. In the field of culture and arts, data of various types and topics exist, and research using big data technology is being conducted. However, research on whether basic information about culture and arts institutions is accurately provided and utilized is insufficient. The basic information of an institution can be an essential basis used in most big data analysis and becomes a starting point for identifying an institution. This study collected data dealing with the basic information of culture and arts institutions to define common metadata and constructed small data in the form of a knowledge graph linking institutions around common metadata. This can be a way to explore the types and characteristics of culture and arts institutions in an integrated way.

주제어

표/그림 (14)

그림 <그림 1> 연구과정 도식화
표 <표 1> 수집한 데이터 목록
표 <표 2> 기관별 메타데이터의 집계 현황
표 <표 3> 공통 메타데이터와 기관 데이터별 사용 여부
그림 <그림 2> 정제과정 도식화
표 <표 4> 메타데이터별 인스턴스 형식
표 <표 5> 정제 내용과 적용되는 메타데이터
표 <표 6> 데이터 정제 전과 후의 오류 데이터의 변화
그림 <그림 3> 설계한 지식 모델
표 <표 7> 공통 메타데이터별 RDF 어휘와 속성 매핑
표 <표 8> 트리플 저장소에 지식그래프를 저장한 후 생성된 진술문의 수
표 <표 9> SPARQL 질의문
표 <표 10> SPARQL 질의문 결과
그림 <그림 4> "서울특별시 종로구"를 기준으로 연결된 문화예술 관련 기관

참고문헌 (27)

Bok, Kyoung-soo & Yoo, Jae-soo (2017). Big data in the fourth industrial revolution. Journal？of the Korean Data And Information Science Sociaty, 35(6), 29-39.
Kim, Hak-lae (2017). Knowledge Graph. Seoul: Communicationbooks.
Lee, Yong-ju (2014). Building and retrieval techniques of linked data. Korea Information Processing？Society, 21(2), 1057-1060.
Libraries Act. Act No. 19592.
Museum And Art Gallery Support Act. Act No. 19592.
Yoon, So-Young (2013). A study on national linking system implementation based on linked data？for public data. Journal of the Korean Society for Information Management, 30(1), 259-284.？https://doi.org/10.3743/KOSIM.2013.30.1.259

원문보기 상세보기
Abu-Salih, B. (2021). Domain-specific knowledge graphs: a survey. Journal of Network and？Computer Applications, 185, 103076. https://doi.org/10.1016/j.jnca.2021.103076

상세보기
Berners-Lee, T. (1998). Semantic Web Road Map.？https://www.w3.org/DesignIssues/Semantic.html
Bush, V. (1945). As we may think. The Atlantic Monthly, 176(1), 101-108.？https://doi.org/10.1145/227181.227186

상세보기
Chen, X., Jia, S., & Xiang, Y. (2020). A review: knowledge reasoning over knowledge graph.？Expert Systems with Applications, 141, 112948. https://doi.org/10.1016/j.eswa.2019.112948

상세보기
Daruna, A., Das, D., & Chernova, S. (2022). Explainable Knowledge Graph Embedding: Inference？Reconciliation for Knowledge Inferences Supporting Robot Actions. In 2022 IEEE/RSJ？International Conference on Intelligent Robots and Systems (IROS), 1008-1015).？https://doi.org/10.48550/arXiv.2205.01836
Fensel, D., Simsek, U., Angele, K., Huaman, E., Karle, E., Panasiuk, O., Toma, L., Umbrich, J.,？& Wahler, A. (2020). Introduction: What Is a Knowledge Graph?. Knowledge Graphs.？https://doi.org/10.1007/978-3-030-37439-6_1
Grau, B. C., Horrocks, I., Kazakov, Y., & Sattler, U. (2008). Modular reuse of ontologies: theory？and practice. Journal of Artificial Intelligence Research, 31, 273-318.？https://doi.org/10.1613/jair.2375

상세보기
Gutierrez, C. & Sequeda, J. F. (2021). Knowledge graphs. Communications of the Association？for Computing Machinery, 64(3), 96-104. https://doi.org/10.1145/3418294

상세보기
Hogan, A., Blomqvist, E., Cochez, M., d'Amato, C., de Melo, G., Gutierrez, C., Kirrane, S., Labra？G., Navigli, R., Neumaier, S., Ngonga A., Polleres, A., Rashid, S., Rula, A., Schmelzeisen,？L., Sequeda, J., Staab, S., & Zimmermann, A. (2021). Knowledge graphs. Association for？Computing Machinery Computing Surveys (Csur), 54(4), 1-37.？https://doi.org/10.1145/3447772

상세보기
Iliadis, A., Acker, A., Stevens, W., & Kavakli, S. B. (2022). One Schema to Rule Them All:？How Schema.org Models the World of Search. Journal of the Association for Information？Science and Technology. https://doi.org/10.1002/asi.24744
Kollar, T., Berry, D., Stuart, L. M., Owczarzak, K., Chung, T., Mathias, L., Kayser, M., Snow,？B., & Matsoukas, S. (2018). The alexa meaning representation language. North American？Chapter of the Association for Computational Linguistics, 177-184.？https://doi.org/10.18653/v1/N18-3022
Latzko-Toth, G., Bonneau, C., & Millette, M. (2017). Small data, thick data: thickening strategies？for trace-based social media research. The SAGE Handbook of Social Media Research？Methods, 199-214. https://doi.org/10.4135/9781473983847
Mandal, S. (2022). Integration of linked open data authorities with open refine: a methodology？for libraries. Library Philosophy & Practice, 1-9.
Miles, A. & Perez-Aguera, J. R. (2007). Skos: simple knowledge organisation for the web.？Cataloging & Classification Quarterly, 43(3-4), 69-83.？https://doi.org/10.1300/J104v43n03_04

상세보기
Mongiovi, M., Recupero, D. R., Gangemi, A., Presutti, V., Nuzzolese, A. G., & Consoli, S. (2015).？Semantic reconciliation of knowledge extracted from text through a novel machine reader.？In Proceedings of the 8th International Conference on Knowledge Capture, 1-4.？https://doi.org/10.1145/2815833.2816945
Monnin, P., Raissi, C., Napoli, A., & Coulet, A. (2019). Knowledge Reconciliation with Graph？Convolutional Networks: Preliminary Results. In DL4KG2019-Workshop on Deep Learning？for Knowledge Graphs.
Sanchez Alonso, S. & Garcia Barriocanal, E. (2006). Making use of upper ontologies to foster？interoperability between SKOS concept schemes. Online Information Review, 30(3), 263-277.？https://doi.org/10.1108/14684520610675799

상세보기
Sohmen, L. & Rossenova, L. (2022). Open refine to wikibase: a new data upload pipeline. In？Proceedings of the 22nd ACM/IEEE Joint Conference on Digital Libraries, 1-2.？https://doi.org/10.1145/3529372.3530919
Strickland, E. (2022). Andrew Ng, AI minimalist: the machine-learning pioneer says small is？the new big. g. IEEE Spectrum, 59(4), 22-50.？https://doi.org/10.1109/MSPEC.2022.9754503.

상세보기
Tiwari, S., Al-Aswadi, F. N., & Gaurav, D. (2021). Recent trends in knowledge graphs: theory？and practice. Soft Computing, 25, 8337-8355. https://doi.org/10.1007/s00500-021-05756-8

상세보기
Wang, Q., Mao, Z., Wang, B., & Guo, L. (2017). Knowledge graph embedding: a survey of？approaches and applications. IEEE Transactions on Knowledge and Data Engineering,？29(12), 2724-2743. https://doi.org/10.48550/arXiv.2107.07842

상세보기

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