선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 학술정보 분석 서비스를 제공하기 위해 설계된 학술정보 온톨로지와 학술정보 시스템, 추론 서비스의 구현에 대해서 기술하도록 하겠다.
제안 방법
- 사용자 UI에서 전달되는 사용자의 요청을 분석하여 레거시 DB에서 조회할 내용과 온톨로지 기반 추론을 통해 얻을 수 있는 정보를 분리한다. 추론 시스템에 전달할 질의는 추론 시스템에서 제공하는 서비스 API를 웹 서비스를 통해 호출하고, 그 결과를 XML 형태로 전달받아 처리한다.
- 온톨로지는 온톨로지의 스키마와 온톨로지의 인스턴스가 구분되어 관리되며, 온톨로지 스키마는 OWL을 사용하여 클래스와 클래스간 관계 및 제약 조건을 표현하였고, 온톨로지 인스턴스는 RDF 트리플[5]형태로 사실 정보를 표현하였다. 온톨로지의 인스턴스는 URI 기반의 정보식별 체계를 기반[6]으로, 레거시 DB의 ID를 URI 기반의 식별체계로 변환하였다.
- 온톨로지는 온톨로지의 스키마와 온톨로지의 인스턴스가 구분되어 관리되며, 온톨로지 스키마는 OWL을 사용하여 클래스와 클래스간 관계 및 제약 조건을 표현하였고, 온톨로지 인스턴스는 RDF 트리플[5]형태로 사실 정보를 표현하였다. 온톨로지의 인스턴스는 URI 기반의 정보식별 체계를 기반[6]으로, 레거시 DB의 ID를 URI 기반의 식별체계로 변환하였다.
- 기존의 OntoFrame 시스템에서는 URI 서버를 사용해서 데이터 신규 등록 및 URI를 할당하는 작업을 수행하지만[7], 기존의 레거시 DB와의 연동과 기존 식별체계를 유지하기 위해서 URI 서버를 대체하는 모듈이 필요하였다. 이를 위해 레거시 DB에서 필요한 자원을 수집하고 이를 RDF 트리플 형태로 변경하는 리스너를 개발하였다.
- 학술정보 분석 서비스를 위해 총 14개의 추론 서비스 API가 개발되었으며, 추론 서비스 API 에서는 각각의 추론에 적합한 SPARQL 질의문을 파상하여 SQL 변환 및 SQL 수행을 통해 결과를 생성하고, 결과를 가공한 후 XML 형태의 결과를 웹 서비스를 통해 반환하는 역할을 수행한다.
- 학술정보 분석 서비스를 제공하기 위해서 학진에서는 OntoFrame 기반의 학술정보 시스템을 구축하였다. 학진의 연구자와 연구분야, 성과물 등의 정보가 학술정보 온톨로지로 표현되었고, 리스너를 통해 RDF 트리플을 생성하였고, 추론 시스템을 통해 추론 서비스를 제공하였다.
- 학술정보 서비스를 제공하기 위해 구축된 RDF 트리플의 수와 시스템 환경 및 사용자 UI를 통해 심사자 추천 서비스와 연구성과 분석 서비스를 살펴보도록 하겠다.
- 학술정보 시스템은 OntoFrame[1,2]을 기반으로 학술정보를 온톨로지와 추론 시스템을 구축하고, 온톨로지 기반의 심사자 추천 서비스와 연구성과 분석 서비스를 제공한다. 심사자 추천 과정에서는 확률적 주제 온톨로지[3]를 이용하여 연구자의 심사 분야 확장을 통해 심사자풀(Pool) 확대, 연구자의 연구성과에 기반하여 전문도 부여, 피심사자와 심사자의 연구실적 비교를 통해 관련도 판별 등 심사자 선정에 필요한 정보를 제공한다.
- 학술정보 분석 서비스를 제공하기 위해서 학진에서는 OntoFrame 기반의 학술정보 시스템을 구축하였다. 학진의 연구자와 연구분야, 성과물 등의 정보가 학술정보 온톨로지로 표현되었고, 리스너를 통해 RDF 트리플을 생성하였고, 추론 시스템을 통해 추론 서비스를 제공하였다.
대상 데이터
- 학술정보 분석 서비스를 지원하기 위해 추론 시스템에서 제공하는 추론 API는 총 14개로 구성되어 있다. 추론 API의 호출은 웹 서비스를 통해 호출되며 추론의 결과는 XML 형태로 변환되어 웹 서비스를 통해 반환된다.
- 학술정보 분석 서비스를 위해 구축된 RDF 트리플의 수는 약 2,360만개이며, 모든 정보 자원은 URI를 통해 식별이 된다. 학술정보 온톨로지와 RDF 트리플은 DBMS 기반의 추론 시스템을 통해 저장하였고, SPARQL 질의를 통해 추론 시스템에 저장된 트리플을 대상으로 추론 결과를 생성할 수 있었다. RDF 트리플의 저장소는 클래스와 속성들 각각이 별도의 테이블로 생성되며, 데이터타입 속성의 경우 데이터형에 적합한 테이블을 생성하여 저장하고, URI는 축약형을 사용함으로써 저장공간의 성능 저하를 방지하였다.
데이터처리
- 심사자 풀의 확대는 확률적 주제 온톨로지의 결과를 그대로 이용하였고, 연구 성과통계 정보는 학진의 성과 관리 DB와의 정합성 체크를 통해 추론을 통한 결과를 검증하였다. 따라서 심사자 풀 확대의 정확성과 연구 성과 정보의 정확성 실험은 별도로 수행하지 않았다.
이론/모형
- 학술정보 분석 서비스를 제공하기 위해 설계된 학술정보 온톨로지에 사용된 정보를 유형별로 살펴보면 표 1과 같다. 학술정보 온톨로지는 OWL[4]을 사용하였고, 표 1에서 항목은 클래스로, 내용은 속성 관계로 표현되었다. 학술정보 온톨로지는 17개의 클래스와 46개의 데이터타입 속성, 24개의 객체타입 속성을 가진다.
성능/효과
- 학술정보 온톨로지와 RDF 트리플은 DBMS 기반의 추론 시스템을 통해 저장하였고, SPARQL 질의를 통해 추론 시스템에 저장된 트리플을 대상으로 추론 결과를 생성할 수 있었다. RDF 트리플의 저장소는 클래스와 속성들 각각이 별도의 테이블로 생성되며, 데이터타입 속성의 경우 데이터형에 적합한 테이블을 생성하여 저장하고, URI는 축약형을 사용함으로써 저장공간의 성능 저하를 방지하였다.
- 대용량의 RDF 트리플을 대상으로, 추론 시스템을 이용해서 학술정보 시스템을 구성하고 학술정보 분석 서비스를 제공함으로써 기존의 정보 서비스로 생성하기 어려웠던 정보를 효과적으로 제공할 수 있었다.
- SPARQL에서 나타난 Predicate ‘krf:hasMajorCategoryTermOfPerson’는 네임스페이스의 축약형과 오라클 DBMS의 테이블명 길이 제한으로 인해 ‘NS0:HASMAJORCATEGORYTERMOFPERS’로 변경되며, 테이블명 변환을 위해 테이블명 변환을 위한 매핑 테이블이 사용된다. 변환된 SQL 질의를 사용해서 DBMS 기반 추론 시스템에서 결과를 요청하고, 요청된 결과는 후처리 모듈을 통해 사용자 UI에서 요청하는 결과를 가공된다. 최종 가공된 결과는 미리 정의된 XML 형태로 변환되어 웹 서비스를 통해 사용자 UI를 담당하는 웹 프로그램으로 전달된다.
- 변환된 SQL 질의를 사용해서 DBMS 기반 추론 시스템에서 결과를 요청하고, 요청된 결과는 후처리 모듈을 통해 사용자 UI에서 요청하는 결과를 가공된다. 최종 가공된 결과는 미리 정의된 XML 형태로 변환되어 웹 서비스를 통해 사용자 UI를 담당하는 웹 프로그램으로 전달된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.