초록이 없습니다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 온톨로지 표절 검출을 위한 새로운 방법을 제안했다. 제안한 방법은 두 개의 복잡한 데이터 구조를 비교하기 위해 파스 트리 커널을 이용하였다.
• 하지만 이는 온톨로지를 구축한 기관의 지적 재산권을 침해하는 행위일 수 있지만 이를 검출할 수 있는 효과적인 방법이 없어 방지하거나 적발하기 힘들다. 본 논문에서는 컨볼루션 커널[1]을 이용한 허가없이 온톨로지를 차용하여 만든 표절 온톨로지를 검출할 수 있는 방법을 제안한다. 제안한 방법에서는 컨볼루션 커널의 한 종류인 파스 트리 커널[2]을 이용하여 두 온톨로지의 구조를 비교하고 온톨로지의 어휘가 가지는 유사도를 커널에 반영하여 더 정확한 표절 검출이 가능하도록 하였다.

가설 설정

• 하나의 온톨로지를 변형하여 원본 온톨로지와 비교하였다. 실험에서는 서브 트리의 깊이를 3으로 제한하였다. 실험 결과, 온톨로지 스크마(schema)만을 이용할 경우 표절을 검출하는 것이 어려움을 알 수 있었다.

제안 방법

• 파스트리 커널을 온톨로지에 적용하기 위해서는 온톨로지를 트리구조로 변환해야 한다. 그렇기 때문에 제안한 방법에서는 먼저 온톨로지를 트리로 변환한 후, 두 온톨로지의 유사도를 변환된 트리를 파스 트리 커널에 적용함으로써 계산한다.
• 제안한 방법은 두 개의 복잡한 데이터 구조를 비교하기 위해 파스 트리 커널을 이용하였다. 먼저, 온톨로지를 트리 형태로 변환한 후, 두 온톨로지 사이의 유사도를 파스 트리 커널을 이용하여 계산하였다. 제안한 방법을 검증하기 위해 두가지 데이터 집단에 대한 실험을 하였다.
• 온톨로지를 이루고 있는 클래스, 인스턴스, 프로퍼티 중 어떤 부분이 표절 검줄에 있어 중요한지를 알아보기 위해 4가지 형태(원본 온톨로지, 서브클래스정보만 있는 온톨로지, 프로퍼티 정보를 뺀 온톨로지, 인스턴스 정보를 뺀 온톨로지)로 하나의 온톨로지를 변형하여 원본 온톨로지와 비교하였다. 실험에서는 서브 트리의 깊이를 3으로 제한하였다.
• 온톨로지가 가지는 의미 정보는 이러한 구조에 반영되고 있지만 구조를 비교하는 것만으로 의미정보를 충분히 반영할 수는 없다. 이와 같은 문제를 해결하기 위해 본 논문에서는 파스 트리 커널을 이용하여 두 노드를 비교할 때, 정확한 스트링 비교 대신 근사 스트링 비교(approximate string matching)을 이용한다. 스트링의 비교는 일반적으로 두 스트링 사이의 거리를 정의함으로써 구현되어진다.
• 본 논문에서는 컨볼루션 커널[1]을 이용한 허가없이 온톨로지를 차용하여 만든 표절 온톨로지를 검출할 수 있는 방법을 제안한다. 제안한 방법에서는 컨볼루션 커널의 한 종류인 파스 트리 커널[2]을 이용하여 두 온톨로지의 구조를 비교하고 온톨로지의 어휘가 가지는 유사도를 커널에 반영하여 더 정확한 표절 검출이 가능하도록 하였다.
• 본 논문에서는 온톨로지 표절 검출을 위한 새로운 방법을 제안했다. 제안한 방법은 두 개의 복잡한 데이터 구조를 비교하기 위해 파스 트리 커널을 이용하였다. 먼저, 온톨로지를 트리 형태로 변환한 후, 두 온톨로지 사이의 유사도를 파스 트리 커널을 이용하여 계산하였다.
• 제안한 방법은 먼저 온톨로지를 트리로 변환한다. 그래프 상의 연결선은 프로퍼티를 나타내기 때문에 트리로 변환하기 위해서는 특정 프로퍼티의 속성을 바꿀 필요가 있다.
• 이와 같은 결과는 제안한 방법이 온톨로지 표절을 검출할 수 있음을 의미한다. 제안한 방법은 온톨로지 사이의 유사도를 측정할 수 있는 방법으로 볼 수 잇있다. 이를 활용할 수 있는 분야로 컨셉 매칭(Concept matching)을 둘 수 잇있다.
• 먼저, 온톨로지를 트리 형태로 변환한 후, 두 온톨로지 사이의 유사도를 파스 트리 커널을 이용하여 계산하였다. 제안한 방법을 검증하기 위해 두가지 데이터 집단에 대한 실험을 하였다. 실험 결과, 온톨로지 표절 검출 시, 스키마 만을 이용한 표절 검출은 힘듬을 알 수 있었다.

대상 데이터

• 나머지 데이터는 OAEI(Ontology Alignment Evaluation Initiative) 2005에서 사용된 것이다. 이 데이터는 51개의 온톨로지로 구성되어있다.
• 제안한 방법을 검증하기 위해 두가지 데이터를 이용하였다. 첫번째 데이터는 웹상에서 구할 수 있는 3개의 온톨로지인 amino-acid, Biblio, BibTex를 이용하여 구축하였다.
• 제안한 방법을 검증하기 위해 두가지 데이터를 이용하였다. 첫번째 데이터는 웹상에서 구할 수 있는 3개의 온톨로지인 amino-acid, Biblio, BibTex를 이용하여 구축하였다. 이들 온톨로지는 크기가 비교적 작고, 간단한 구조를 이루고 있다.

이론/모형

• 스트링의 비교는 일반적으로 두 스트링 사이의 거리를 정의함으로써 구현되어진다. 본 논문에서는 이들 알고리듬 중, Resnik's distance[3], Lin's distance [4], Jiang-Conrath's distance [5]를 사용한다.

성능/효과

• OAEI 2005 데이터를 이용한 실험결과 구조를 수정하지 않고 노드 상에 나타난 레이블 값만을 변화시킨 경우, 유사도 값이 상대적으로 높게 나타났으며, 구조를 수정하더라도 유사도 값이 완전히 다른 온톨로지인 102 온톨로지나 독립적으로 만들어진 3xx 온톨로지에 비해 높게 나타났다. 이는 정확한 스트링 비교 방법을 이용했을 때와 Jiang-Conrath's distance를 이용했을 경우 모두에서 나타나는 결과이다.
• 실험에서는 서브 트리의 깊이를 3으로 제한하였다. 실험 결과, 온톨로지 스크마(schema)만을 이용할 경우 표절을 검출하는 것이 어려움을 알 수 있었다.
• 제안한 방법을 검증하기 위해 두가지 데이터 집단에 대한 실험을 하였다. 실험 결과, 온톨로지 표절 검출 시, 스키마 만을 이용한 표절 검출은 힘듬을 알 수 있었다. OAEI 2005 데이터를 이용한 실험 결과 원본 온톨로지로부터 변환된 온톨로지가 상대적으로 높은 순위의 유사도를 보였다.

후속연구

• 이를 활용할 수 있는 분야로 컨셉 매칭(Concept matching)을 둘 수 잇있다. 제안한 방법을 이용하여 작은 단위의 온톨로지 사이의 유사도를 측정하여 컨셉 매칭에 적용할 수 있는 방법을 향후 연구로 두고 있다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

연구과제 타임라인

정보기술연구인력양성사업단

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

전체(0) 논문(0) 특허(0) 보고서(0)

더보기

LOADING...

LOADING...

LOADING...