Framework for Information Integration and Customization Using Ontology and Case-based Reasoning

온톨로지 및 사례기반추론을 이용한 맞춤형 통합 정보 생성 프레임워크의 제안

  • Lee, Hyun-Jung (Korea University Business School) ;
  • Sohn, M-Ye (Department of System management Engineering, Sungkyunkwan University)
  • 이현정 (고려대학교 경영대학) ;
  • 손미애 (성균관대학교 공과대학 시스템경영공학과)
  • Received : 2009.11.18
  • Accepted : 2009.12.15
  • Published : 2009.12.31

Abstract

The requirements of knowledge customization have increased as information resources have become more various and the numbers of the resources are increased. Even if the method for collecting the information has improved like Really Simple Syndication (RSS), information users are still struggling for extracting and customizing the required information through the Web. To reduce the burden, we offer the dynamic knowledge customization framework by using ontology-based CBR. The framework consisting of three phases is comprised of the conversion phase of web information as a machine-accessible case, the extraction phase to find a case appropriate for information users' requirements, and the case customization phase to create knowledge depending on information user's requirements. Newly, the dynamic and intensity-based similarity is adopted to support timely dynamic change of users' requirements. The framework has adopted to create traveler's knowledge to the level users wanted.

다양한 정보자원들로부터 사용자가 요구하는 맞춤화된 정보를 추출해 내는 것은 더욱 어려워지고 있다. RSS를 비롯하여 개선된 다양한 정보 수집 방법들이 개발되었지만, 여전히 정보가공자인 사람의 도움 없이 필요한 정보들을 수집하여 정리 및 가공하는 작업이 쉽지는 않다. 따라서 본 연구에서는 정보사용자들이 사용 목적에 맞게 정보를 가공하는 부담을 줄여주기 위해 사례기반추론과 온톨로지에 기반한 맞춤형 통합정보생성 프레임워크를 제안한다. 본 프레임워크는 세 단계로 구성된다. 첫째, 수집된 웹 정보를 정보가공의 용이성을 위해 사례로 변환한다. 둘째, 동적 유사도 검색을 통해 수집된 사례들로부터 정보 사용자의 동적 요구사항에 적합한 사례를 검색한다. 셋째, 전 단계에서 추출된 사례를 정보사용자의 요구사항에 보다 적합한 지식으로 가공하기 위해 집중 유사도를 적용한다. 본 프레임워크는 여행자들의 정보수집을 위한 여행정보시스템에 적용되어 그 효과를 입증하였다.

Keywords

References

  1. Bernstein, A. P. and L. Haas, "Information Integration in the Enterprise", Communications of the ACM, vol.51, No.9(2008), 72-79. https://doi.org/10.1145/1378727.1378745
  2. Alexiev, V., M. Breu, J. de Bruijn, D. Fensel, R. Lara, and H. Lausen, "Information Integration with Ontologies : Experiences from an Industrial Showcase", Wiley, 2005.
  3. Halevy, Y. A. D. Bittonz, M. Careyx, D. Draper, J. Pollock, A. Rosenthal, and V. Sikka, "Enterprise information integration : successes, challenges and controversies", Proceedings of the 2005 ACM SIGMOD international conference on Management of data, 2005, 778-787.
  4. Philippe, M. and P. W. Eklund, "Knowledge Retrieval and the World Wide Web", IEEE Intelligent Systems, 2000(May/June), 18-25.
  5. Mani, I. and E. Bloedorn, "Machine learning of Generic and User-Focused Summarization", In proceedings of the National Conference on Artificial Intelligence(AAAI) , 1998, 820-826.
  6. Teufel, S. and K. Moens, "Sentence extraction as a classification task", Workshop of Intelligent and scalable text summarization, ACL/EACL, 1997, 58-65.
  7. Slimani T., B. B. Yaghlane, and K. Mellouli, "A New Similarity Measure based on Edge Counting", World Academy of Science, Engineering and Technology Vol.23(2006), 34-38.
  8. Song, L., J. Ma, H. Liu, L. Lian, and D. Zhang, "Fuzzy Semantic Similarity Between Ontological Concepts", Advances and Innovations in Systems, Computing Sciences and Software Engineering, 2007, 275-280.