초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Topic Map을 구축하는데 있어서 봉착하는 문제는 특정분야 전문가들이 Topic Map의 구성과 체계에 익숙하지 않다는 점이다. 이를 해결하기 위해서 Topic Map의 모든 요소들을 새로이 작성하는 것 보다는 작성하려는 분야에 대해 기 구축된 정보자원이 존재할 경우 이를 최대한 재활용하여, 모은 요소들을 추출한 다음 Topic Map 온톨로지로 변환하고 이용하는 것이 시간과 비용을 절약할 수 있는 효율적인 방법일 것이다. 본 연구에서는 기 구축된 학술DB보부터 Topic Map에서 재활용할 수 있는 요소들을 추출하기 위한 정보 소스로서 데이터베이스 스키마와 MARC에서 언급하는 메타데이터를 이용하는 것은, 기초 학문자료의 복잡한 관계의 개념구조, 자료유형 및 자료간의 의미적 상관관계 표현에 있어 효율적인 개발방법임을 제안한다.

Topic Map을 구축하는데 있어서 봉착하는 문제는 특정분야 전문가들이 Topic Map의 구성과 체계에 익숙하지 않다는 점이다. 이를 해결하기 위해서 Topic Map의 모든 요소들을 새로이 작성하는 것 보다는 작성하려는 분야에 대해 기 구축된 정보자원이 존재할 경우 이를 최대한 재활용하여, 모은 요소들을 추출한 다음 Topic Map 온톨로지로 변환하고 이용하는 것이 시간과 비용을 절약할 수 있는 효율적인 방법일 것이다. 본 연구에서는 기 구축된 학술DB보부터 Topic Map에서 재활용할 수 있는 요소들을 추출하기 위한 정보 소스로서 데이터베이스 스키마와 MARC에서 언급하는 메타데이터를 이용하는 것은, 기초 학문자료의 복잡한 관계의 개념구조, 자료유형 및 자료간의 의미적 상관관계 표현에 있어 효율적인 개발방법임을 제안한다.

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

• 서지정보를 포함하고 있는 도서관 정 보시스템의 로 부터 메타데이터의 의미를 기계가독형으로 표현할 수 있는 Topic Map을 이용하여 재 설계하고. 변환모 듈을 통하여 온톨로지를 구축할 때, 보다 효과적인 개발방법 으로서 데이터베이스 응용업무에 대해 작성되어 있는 ERD(Entity-Relationship Diagian)를 이용하여 Topic Map 개발에 활용하는 방안을 제안하고자 한다.
• 이를 위해 토픽을 구분하는 요소 중 토 픽을 식별하는데 주가 되는 〈subjectmdentity〉와 〈baseName〉을 이용하여 토픽과 해당 토픽이 참여하는 Association 등을 대조해 동일한 속성 값을 지녔다고 판단되면 두 토픽을 병합하고 새로운 관계를 생성해 최종적으로 변경 된 Topic Map을 생성하여야 한다. 본 연구에서는 Topic간의 중복을 제거하기 위하여 db예 Topic 개체를 추가하여 Topic 이 생성될 때 마다 누적켜 Topic이 중복되는지를 체크하였다.

제안 방법

• 즉 예를 들어 "논문A” 라는 논문이 "Thomas”에 의해 쓰여 졌다면, 다른 논문 도 다른 사람에 의해 쓰여 졌다는 관계를 설정할 수 있는 것이다. 그리고 트 리구조에서 벗어난 Map이라는 특징을 살리기 위해 본 연구에서는 토픽들을 조회할 때 "발행처-간행물"권호논문-저자" 의 순서로 끝나지 않고 계속 순환할 수 있도록 저자와 발행처 를 연결함으로서<표3〉과 같이 "발행처-간행물-권호-논문-저자-발행처”와 같은 토픽간의 어소시에이션을 구성하였다
• 학술정보자원 은 발행처 , 간행물, 권호, 논문, 저자로 한정하고 Topic Map 을 자동구축하기 위하여 매핑표를 작성한 후 자동생성 알고리즘을 기반으로 개발한 Topic Map 변환 모듈로 자동변환하였다. 그리고 이를 검증하기위해 구축된 까opic Map을 오픈소스 인 OmnigaSr와 TMNav에 등록해보았다. 이때 각각의 토픽 은 정보 검색의 검색 포인트가 되고, 이것은 관련된 정보만을 연결하고 있기 때문에 정보의 필터링이 용이하여, 자신이 원하는 목적에 따라서 정보를 네비게이션 할 수 있어서 검색의 결과를 얻기까지의 과정이 결과내 재검색을 해야하는 현재의 검 색방법과는 달랐다.
• 본 논문에서는 자료흐름도 및 ERD를 이용하여 분석된 데 이터베이스를 Topic Map으로 변환하고자 할 경우, 기 작성 된 자료흐름도 및 ERD를 최대한 활용하여 일관성 있게, 객 체의 자료구조 및 오퍼레이션이 보다 충실하게 표현된 Topic Map 모델을 단시간에 효율적으로 생성할 수 있어야 한다는 것 등율 Topic Map 모델로의 변환방법 생성시의 주요 고려 사항으로 간주하였다. 이에 따라 본 논문에서는 기본적으로 ERD를 활용하여 객체구조 및 에트리뷰트를 식별하고, MARC를 활용하여 객체의 오퍼레이션을 식별하는 방안을 제안한다.
• 이를 해결하기 위해서는 특 정분야 전문가와 Topic Map 구축 전문가가 협력하여 공동 으로 온톨로지를 구축하여야 하나 모든 특정분야에서 항상 같이 작업하기가 현실적으로 어려우며, 기존 시스템에서 새로운 Topic Map을 구축하는 것은 많은 비용과 시간이 소요 되는 등 어려운 일이다. 서지정보를 포함하고 있는 도서관 정 보시스템의 로 부터 메타데이터의 의미를 기계가독형으로 표현할 수 있는 Topic Map을 이용하여 재 설계하고. 변환모 듈을 통하여 온톨로지를 구축할 때, 보다 효과적인 개발방법 으로서 데이터베이스 응용업무에 대해 작성되어 있는 ERD(Entity-Relationship Diagian)를 이용하여 Topic Map 개발에 활용하는 방안을 제안하고자 한다.
• 이미 구축된 학술DB로부터 Topic Map에 재활용할 수 있는 요소들을 추출하기 위해 상세하게 분석해 봐야 할 정보 소 스로서 데이터베이스 스키마로 방향을 잡았다. 학술정보자원 은 발행처 , 간행물, 권호, 논문, 저자로 한정하고 Topic Map 을 자동구축하기 위하여 매핑표를 작성한 후 자동생성 알고리즘을 기반으로 개발한 Topic Map 변환 모듈로 자동변환하였다.
• 본 논문에서는 자료흐름도 및 ERD를 이용하여 분석된 데 이터베이스를 Topic Map으로 변환하고자 할 경우, 기 작성 된 자료흐름도 및 ERD를 최대한 활용하여 일관성 있게, 객 체의 자료구조 및 오퍼레이션이 보다 충실하게 표현된 Topic Map 모델을 단시간에 효율적으로 생성할 수 있어야 한다는 것 등율 Topic Map 모델로의 변환방법 생성시의 주요 고려 사항으로 간주하였다. 이에 따라 본 논문에서는 기본적으로 ERD를 활용하여 객체구조 및 에트리뷰트를 식별하고, MARC를 활용하여 객체의 오퍼레이션을 식별하는 방안을 제안한다.
• <표 1〉의 방법 1은 엔티티간에 관계를 부모와 자식간의 관 계 또는 트리구조로 간주하였을 때 설계할 수 있는 봉법이다. 하지만 콘텐츠의 내용이 가자고 있는 복잡한 관계의 개념구 조, 자료유형 및 자료간의 의미적 상관관계를 고려하기 위해 방법2를 구상하였다. 방법1은 발행처, 간행물, 권호, 논문.
• 이미 구축된 학술DB로부터 Topic Map에 재활용할 수 있는 요소들을 추출하기 위해 상세하게 분석해 봐야 할 정보 소 스로서 데이터베이스 스키마로 방향을 잡았다. 학술정보자원 은 발행처 , 간행물, 권호, 논문, 저자로 한정하고 Topic Map 을 자동구축하기 위하여 매핑표를 작성한 후 자동생성 알고리즘을 기반으로 개발한 Topic Map 변환 모듈로 자동변환하였다. 그리고 이를 검증하기위해 구축된 까opic Map을 오픈소스 인 OmnigaSr와 TMNav에 등록해보았다.

대상 데이터

• 여기서 사용된 실험데이터는 1개 학회렬 선정하여 XTM 으로 자동변환하였다, 이 학회에서 실험에 사용한 논문은 1253개 였다. 자동변환시 약 10분이 걸렷으며 Omnigator 에서 변환한 XTM을 등록할때도 약 10초 정도 걸렸으나 “논 문 Topic Type”에서 상세화면으로 이동하기에는 약간의 부 하가 생겼다.

성능/효과

• <표 2〉는<그림 3〉에 대한 Topic Map 명세서이며, 먼저 topic 타입과 occurrence 타입의 요소를 나열해 보았다. 주로 속성이 NaH값이 허용되면 Occurrence 타입으로, Not Null이면 Topic으로 매핑되는 결과를 보였으며 , association 타입은 데이터베이스 테이블의한 레코드에 대한 필드들 중에서 Topic으로 선언한 것들의 관계로 매핑 하였다. topic 타입과 topic 타입과의 관계 설정 시에는 각 topic의 역할을 role 타입으로 추출하여야 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기