초록

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

시맨틱 웹은 정보의 의미를 개념으로 정의하고 개념들 간의 관계성을 표현함으로써, 문서들 간의 단순 연결이 아닌 의미 연결을 통해서 보다 정확하고 효율적인 정보 검색이 가능하게 된다. 이러한 시맨틱 웹의 비전이 구체화되기 위해서는 웹 온톨로지(Web Ontology)를 기반으로 의미 정보로 구성된 시맨틱 문서들에 대한 추론을 통해서 웹상에 존재하는 엄청난 정보들 간의 관련성을 파악하고 사용자가 요구하는 정보를 보다 효율적으로 검색할 수 있는 시스템이 필수적이다. W3C에서 제안한 OWL은 대표적인 온톨로지 언어이다. 시맨틱 웹 상에서 OWL 데이타를 효율적으로 검색하기 위해서는 잘 구성되어진 저장 스키마를 구축해야 한다. 본 논문에서는 Jena2의 경우, 단일 테이블에 문서의 정보를 저장하기 때문에 단순 선택 연산 (Simple Selection), 조인 연산이 요구되는 질의에 대한 성능이 저하되고 대용량의 OWL데이터의 처리에 있어 성능이 저하되는 문제를 해결하기 위하여 본 논문에서는 OWL 문서의 의미를 Class, Property, Individual로 분류하여 각각의 데이터 정보들을 테이블에 저장하기 위한 다중 변환기와 OWL 변환기 기능을 가진 시멘텍 검색 엔진을 설계 및 구현하였다. 본 검색 엔진을 테스트한 결과, 단순정보검색 질의 시 Jena2에서 비정규화된 테이블 구조로 저장할 때보다 질의 응답 속도를 향상 시킬 수 있었고, 조인 연산 시 두 테이블의 크기로 인한 조인비용이 발생하는 문제점을 해결함으로써 빠른 검색 및 질의 속도를 보장할 수 있었다.

시맨틱 웹은 정보의 의미를 개념으로 정의하고 개념들 간의 관계성을 표현함으로써, 문서들 간의 단순 연결이 아닌 의미 연결을 통해서 보다 정확하고 효율적인 정보 검색이 가능하게 된다. 이러한 시맨틱 웹의 비전이 구체화되기 위해서는 웹 온톨로지(Web Ontology)를 기반으로 의미 정보로 구성된 시맨틱 문서들에 대한 추론을 통해서 웹상에 존재하는 엄청난 정보들 간의 관련성을 파악하고 사용자가 요구하는 정보를 보다 효율적으로 검색할 수 있는 시스템이 필수적이다. W3C에서 제안한 OWL은 대표적인 온톨로지 언어이다. 시맨틱 웹 상에서 OWL 데이타를 효율적으로 검색하기 위해서는 잘 구성되어진 저장 스키마를 구축해야 한다. 본 논문에서는 Jena2의 경우, 단일 테이블에 문서의 정보를 저장하기 때문에 단순 선택 연산 (Simple Selection), 조인 연산이 요구되는 질의에 대한 성능이 저하되고 대용량의 OWL데이터의 처리에 있어 성능이 저하되는 문제를 해결하기 위하여 본 논문에서는 OWL 문서의 의미를 Class, Property, Individual로 분류하여 각각의 데이터 정보들을 테이블에 저장하기 위한 다중 변환기와 OWL 변환기 기능을 가진 시멘텍 검색 엔진을 설계 및 구현하였다. 본 검색 엔진을 테스트한 결과, 단순정보검색 질의 시 Jena2에서 비정규화된 테이블 구조로 저장할 때보다 질의 응답 속도를 향상 시킬 수 있었고, 조인 연산 시 두 테이블의 크기로 인한 조인비용이 발생하는 문제점을 해결함으로써 빠른 검색 및 질의 속도를 보장할 수 있었다.

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 데이터 저장 및 질의처리 성능의 향상을 위하여 구현한 다중 변환기와 OWL 변환기의 설계및  구현에 대한 내용을 다루고 있다.
• 이 논문에서는 Jena2의 데이터 저장 및 질의처리 성능을 보완하기 위한 기능을 설계 및 구현하였으며, Jena2의 SPARQL 엔진에서 제공하는 university ontology를 가지고 성능을 테스트하였다. 본 논문에서는 시맨틱 웹 온톨로지 언어로 기술된 OWL 문서의 저장, 관리, 질의처리 기법을 높이는 측면에서 많은 장점을 제공한다.
• 또한 비정규 화가 높아 조인 연산 시 불필요한 정보를 액세스하게 되고 이에 따른 성능 저하를 가져온다. 본 논문에서는 이러한 Jena2의 문제점을 보완하기 위하여 OWL 문서의 의미론적 입장에서 Class, Property, Individual로 구조화하여 관계형 데이터베이스에 저장하였다.
• 이 논문에서는 Jena2의 데이터 저장 및 질의처리 성능을 보완하기 위한 기능을 설계 및 구현하였으며, Jena2의 SPARQL 엔진에서 제공하는 university ontology를 가지고 성능을 테스트하였다. 본 논문에서는 시맨틱 웹 온톨로지 언어로 기술된 OWL 문서의 저장, 관리, 질의처리 기법을 높이는 측면에서 많은 장점을 제공한다.

제안 방법

• 본 논문에서는 단순 선택 연산 (Simple Selection)은 물론 조인 연산이 요구되는 질의에 대한 성능이 저하되는 문제를 해결하고, 기본적인 Jena2 API를 이용하여 검색엔진을 구현하였다. Jena2 API를 이용하여 구현한 본 검색엔진의데이터 저장 및 질의처리를 위한 성능을 향상시키기 위하여 다중 변환기와 OWL 변환기를 설계 및 구현하였다. 본 논문에서는 데이터 저장 및 질의처리 성능의 향상을 위하여 구현한 다중 변환기와 OWL 변환기의 설계및  구현에 대한 내용을 다루고 있다.
• 그림 4에서 보는 바와 같이, 본 논문에서는 OWL 문서의 내용을 Property와 Class의 해당 정보에 대한 각 테이블은 주 키 값인 ID와 데이터 값인 Name 필드 이외에도 추가 적인 정보를 저장하기 위한 필드로 구성된다. 또한 각 클래스 간의 부모에 해당하는 Class와 부모에게 포함되어 있는 자식관계에 대해서는 CLASS HIERARCHY를 통하여 표현할 수 있다.
• 본 논문에서 구현한 다중 변환기와 OWL 변환기의 구조 및 기능은 그림3과 같다. 기존 Jena2 시스템의 문제점을 보완하기 위하여 OWL 문서의 의미를 Class, Property, Individual로 분류하여 관계형 데이터베이스에 저장하기 위한 다중 변환기와 OWL 변환기를 설계하였다.
• OWL 변환기는 Jena2의 저장소에 이미 저장된 데이터를 마이그레이션(Migration) 하기 위하여 온톨로지 기반 관계형 데이터베이스로 저장한다. 본 논문에서는 기존의 Jena2 프레임워크에서 단일테이블로 생성되었던 구조를 OWL 문서의 의미론적 입장에서 Class, Property, Individual로 분류하여 구조화했다. OWL 문서의 의미를 Class, Property, Individual로 분류하여 각각의 데이터 정보들을 테이블에 저장한다.
• 하지만 비정규화된 단일구조로서 단일테이블에 정보들이 저장돰에 따라, 대용량의 OWL 데이터에 대한 저장 및 질의 시, 성능이 저하되는 문제점을 가지고 있다[5, 10]. 본 논문에서는 단순 선택 연산 (Simple Selection)은 물론 조인 연산이 요구되는 질의에 대한 성능이 저하되는 문제를 해결하고, 기본적인 Jena2 API를 이용하여 검색엔진을 구현하였다. Jena2 API를 이용하여 구현한 본 검색엔진의데이터 저장 및 질의처리를 위한 성능을 향상시키기 위하여 다중 변환기와 OWL 변환기를 설계 및 구현하였다.
• 다중 변환기는 OWL문서를 Jena2의 RDF 파서를 이용하여 파싱한다. 이 파싱한 결과는 OWL문서의 의미적 연관성을 고려하여 데이터를 추출하고 변환한다. 변환 후 온톨로지의 구조를 기반으로 테이블을 생성한 다음 변환된 데이터들을 온톨로지 기반 관계형 데이터베이스에 저장한다.
• 그림 6은 그림 3에서 Jena2에 이미 저장되어 있는 데이터를 온톨로지 기반 관계형 데이터베이스에 저장하기 위한 데이터를 생성하기 위한 모듈이다. 이미 저장된 Jena2 관계형 데이터베이스에 저장된 구조와 데이터들을 분석하여 각 구성의 관계를 확인한 후, Jena2 관계형 데이터베이스의 데이터들을 최적화하여 온톨로지 기반 관계형 데이터베이스에 저장하기 위한 형태로 재구성될지에 대한 세부적인 정보들을 기존 JRD에 저장되어 있는 구조와 OWL 문서를 기반으로 만들어진 룰을 통하여 매핑한다. 매핑 후, 온톨로지 기반 관계형 데이터베이스에 저장하기 위한 형태로 변환하여 저장한다.

이론/모형

• 본 논문에서는 Jena2와 본 엔진 간의 수행 속도를 정량적으로 비교해 보기 위하여, Jena2의 SPARQL 엔진에서 제공하는 university ontology를 이용하였다. 그림 7은 질의 수행 결과를 비교한 그래프이며, 표1은 성능 테스트에 사용된 질의 리스트이다.

성능/효과

• 그림 7에서 알 수 있듯이, 수행한 모든 질의에 대해서 본 논문에서 구현한 엔진이 더 좋은 성능을 보이는 것은 아니지만 대개는 약 83%정도가 성능이 좋게 나타났다. 성능 결과를 자세히 살펴보면 질의2, 질의4, 질의 6에 대한 성능이 특히 좋다.
• 본 논문에서는 OWL에서 정의한 Class, Individual, Property의 개념을 이용하여 OWL 문서의 데이터를 관계형 데이터베이스에 저장함으로써 단순정보검색 질의시 Jena2에서 비정규화된 테이블 구조로 저장할 때보다 데이터의 중복성을 최소화 시키고 OWL 문서의 구조에 최적화시켜 저장함으로써 질의 응답 속도를 향상 시킬수 있었다. 또한 조인 연산 시 두 테이블의 크기로 인하여 조인비용이 발생하는 문제점을 해결함으로써 빠른 검색 및 질의 속도를 보장할 수 있었다. 마지막으로 본 엔진의 데이터 저장 형태는 rdfs:subClassOf 조건을 별개의 테이블에 저장함으로써 계층 구조에 대한 조건 판단이 요구되는 질의에 대한 처리 속도를 향상시킬 수 있다.
• 또한 조인 연산 시 두 테이블의 크기로 인하여 조인비용이 발생하는 문제점을 해결함으로써 빠른 검색 및 질의 속도를 보장할 수 있었다. 마지막으로 본 엔진의 데이터 저장 형태는 rdfs:subClassOf 조건을 별개의 테이블에 저장함으로써 계층 구조에 대한 조건 판단이 요구되는 질의에 대한 처리 속도를 향상시킬 수 있다. 표2는 Jena2의 문제점을 보완하여 성능을 테스트한 결과를 보여주고 있다.
• 본 논문에서는 OWL에서 정의한 Class, Individual, Property의 개념을 이용하여 OWL 문서의 데이터를 관계형 데이터베이스에 저장함으로써 단순정보검색 질의시 Jena2에서 비정규화된 테이블 구조로 저장할 때보다 데이터의 중복성을 최소화 시키고 OWL 문서의 구조에 최적화시켜 저장함으로써 질의 응답 속도를 향상 시킬수 있었다. 또한 조인 연산 시 두 테이블의 크기로 인하여 조인비용이 발생하는 문제점을 해결함으로써 빠른 검색 및 질의 속도를 보장할 수 있었다.
• 온톨로지를 기반으로 데이터를 생성하고 테이블을 생성하는 과정을 거쳐 분류된 데이터들을 테이블에 저장한다. 이와 같이 OWL 문서를 다중 변환기의 저장 프로세스를 통해 최적화된 온톨로지 기반 관계형 데이터베이스에 저장함으로써 기존 Jena2의 단일화로 구성된 저장 모델의 단점을 보완할 수 있다.

후속연구

• rdfs:subClassOf 외에도 OWL에는 정의하고 있는 다양한 제약조건 (Restrictions, Axioms)들이 있다. 이러한 제약 조건을 기초로 한 추론뿐만 아니라, 관리자의 노하우를 사용자 정의 규칙으로 표현해서 추론할 수 있는 기능을 추가하여, 사용자 입장에서 보다 쉽고 효율적인 방법으로 자신의 의도에 보다 가까운 검색이 가능하도록 확장할 계획이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기