• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.310-314
• /
• 2008

오늘날 온톨로지의 활용이 높아짐에 따라서 점점 더 방대한 양의 온톨로지가 구축이 되어가고 있다. 그러나 각 분야에 따라서 온톨로지의 분야와 분류가 다르고 내부에서 처리하는 데 걸리는 시간도 다르기 마련이다. 이러한 문제로 방대한 양의 온톨로지로 구성된 온톨로지 저장소는 검색 및 저장의 효율성이 떨어질 수 밖에 없다. 본 논문에서는 이러한 상황의 온톨로지 검색과 저장의 효율성을 높이고자 온톨로지 저장소는 분산되어져야 함을 실제 사례를 들어 보이고 분산 온톨로지 저장소 사용의 필요성을 보여준다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.315-319
• /
• 2008

인터넷 환경은 놀랄만한 속도로 발전하고 있다. 사용자의 수가 늘어나고 그와 동시에 자료의 양도 폭발적으로 늘어나고 있음에 따라, 정확한 정보를 찾고 불필요한 정보를 필터링 하는 기술이 요구되기 시작하였다. 그 대표적인 기술이 시맨틱 웹(Semantic Web)[1] 으로 시맨틱 웹은 웹상의 정보에 메타데이터를 추가로 정의하여 사람 뿐 아니라 컴퓨터가 그 정보의 의미를 파악 할 수 있도록 하는 것이다. 이러한 시맨틱 웹을 위해서는 기계가 의미를 이해할 수 있도록 온톨로지(Ontology)를 먼저 구축해야만 한다. 온톨로지는 자원과 개념의 관계를 정의해 놓은 일종의 사전으로 이를 기술하기 위한 언어로는 RDF, OWL등이 있다. 온톨로지 데이터가 증가함에 따라 온톨로지 저장소의 크기가 증가하게 되면 성능을 위해 지역적으로 온톨로지 저장소를 분산해야 한다. 이에 따라 본고는 분산 환경에서의 통합된 질의에 대한 연구를 바탕으로 확장 가능하고 유연한 구조의 분산 온톨로지 모델을 제시한다.

• 지능정보연구
• /
• 제11권3호
• /
• pp.129-139
• /
• 2005

급속한 정보통신의 발달은 인간의 삶에 직접적인 영향을 끼치는 단계에 접어들게 되었다. 기존의 컴퓨팅은 사용자의 요청에 근거하여 동작하지만 유비쿼터스 컴퓨팅은 사용자의 의향과 상황을 인지해 능동적으로 목표를 설정하고 협력을 통하여 업무를 수행하게 된다. 앞으로 다가올 새로운 컴퓨팅 환경에서 주된 역할을 하게 될 개체인 에이전트와 이들이 상호 협력하는 기반구조인 다중 에이전트 시스템에 관하여 활발히 연구가 진행 중이다. 본고에선 다중 에이전트 시스템에서의 의미적 상호 운용성을 보장하고 지적활동의 중심적 자료구조가 될 온톨로지와 온톨로지를 효율적으로 관리하는 저장소에 관한 요구사항과 구조를 제시한다. 또한 분산적으로 관리 되는 온톨로지 저장소와 다중 에이전트 환경에서 일반적인 온톨로지 저장소 사용을 위한 온톨로지 에이전트를 제시한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권7호
• /
• pp.718-722
• /
• 2008

시맨틱 웹의 기반이 되는 온톨로지는 기술 언어로 OWL이 발표되면서, 웹 리소스의 의미를 더욱 다양하게 기술할 수 있는 강한 표현력을 갖추어 가고 있다. 그리고, 시맨틱 웹의 개념이 널리 인식되면서 정보의 양이 더욱 많아지고 온톨로지가 지역적으로 분산되어 구축됨에 따라, 분산 환경에서 원하는 데이타를 포함하고 있는 지역 저장소를 빠르게 검색하는 것이 전체 시스템의 성능에 중요한 영향을 미치게 되었다. 따라서 본 논문에서는 첫째, 분산된 온톨로지 환경에서 사용자가 원하는 데이타가 위치하고 있는 지역 저장소를 빠르게 검색하기 위한 인덱스 구조를 제안한다. 둘째, 분산 환경을 지원할 수 있는 OWL의 다양한 표현을 이용하여 질의를 확장하기 위한 질의 변환 기법을 제안한다. 본 논문에서 제안한 기법을 통해 OWL의 다양한 표현을 활용하는 것이 가능하고, 시맨틱 웹 환경의 모든 질의 유형에 대해 데이타가 존재하는 지역 저장소를 빠르게 파악할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권8호
• /
• pp.731-742
• /
• 2007

다양한 환경에 배치될 수 있고, 예상치 못한 상황에 자주 접할 수 있는 지능형 서비스 로봇의 경우에는 처할 수 있는 환경과 상황을 모두 예측하여 로봇 내부에 필요한 기능을 모두 가지고 있기 어렵다. 로봇에게 환경에 맞는 필요한 기능만 내부에 가지고 있을 수 있게 하고, 필요에 따라 새로운 기능을 획득할 수 있도록 지원해 주기 위한 기반 기술인 컴포넌트 저장소가 본 논문의 주제이다. 이 저장소를 실제 로봇 플랫폼에 적용 실험 해 온 결과, 로봇이 일일이 외부 저장소들을 접근함에 따라 필요한 컴포넌트의 검색 및 획득의 성능이 저하된다는 문제와, 가용한 컴포넌트 저장소가 늘어감에 따라 확장성, 공유성 문제가 발견되었다. 본 연구에서는 이러한 문제점들을 해결하기 위해 분산된 컴포넌트 저장소들을 컴포넌트의 기능적인 측면에 따라 논리적인 그룹으로 묶은 셀 기반의 진화적인 컴포넌트 저장소를 개발하였다. 프로토타입을 개발하여 실험한 결과, 셀 기반의 저장소를 이용하여 로봇이 분산된 저장소를 일일이 물리적으로 접근하는 것이 아니라 논리적으로 투명하게 접근을 할 수 있도록 지원한다. 또한, 로봇 컴포넌트/애플리케이션 개발자들이 자신의 접근 가능한 저장소를 변경하면 전체 저장소 시스템에 반영되어 다른 개발자들이나 로봇이 사용할 수 있게 해 주는 컴포넌트의 투명한 공유를 지원한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.111-114
• /
• 2012

실시간으로 발생되는 대량의 데이터를 효율적으로 저장하기 위한 연구는 분산/병렬 처리를 위한 하둡 및 NoSQL과 관련한 빅 데이터 처리 기술을 통해 진행 중에 있다. 하지만 시맨틱 웹 분야에서 발생되는 대량의 데이터를 처리하기 위한 모델은 현재 연구가 진행되고 있지 않다. 본 논문에서는 시맨틱 웹 환경에서 발생되는 대량의 온톨로지 데이터를 빅 데이터 처리가 가능한 NoSQL 분야인 HBase 데이터베이스에 분산 저장할 수 있는 매핑 규칙을 제안한다. 이와 같은 매핑 규칙을 통해 시맨틱 웹 환경에서도 대량으로 발생될 수 있는 데이터들을 효율적으로 분산 저장 할 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (B)
• /
• pp.205-207
• /
• 2006

이질적이고 분산된 환경에서의 컴퓨팅 요소들은 변화하는 사용자의 요구와 상황을 인지하여 주위 환경에 적응할 필요가 있으며 이렇게 자동화된 요소, 즉 적응된 에이전트들은 동적으로 설정된 목표를 해결하기 위해 서로 협력해야 한다. 이렇게 적응된 에이전트를 구현하기 위해서는 이들이 인지된 상황을 추론할 수 있는 지식베이스의 구축이 필수적이며 이러한 지식을 표현할 수 있는 모델이 필요하다. 본고에서는 다중 에이전트 시스템에서 지적 활동의 중심적 자료구조가 될 온톨로지와 온톨로지를 효과적으로 관리하는 온톨로지 저장소를 활용하여 다양한 지식원과 에이전트간의 의미적 상호작용을 증대시키기 위한 Knowledge Description Model을 제시한다.

• 정보처리학회논문지D
• /
• 제18D권3호
• /
• pp.149-156
• /
• 2011

최근 기업의 시스템들은 데이터 공유와 협업을 위해 통합의 필요성을 제기하고 있다. 통합을 위한 방법론으로 서비스 통합을 위한 서비스 지향 아키텍처와 서비스에 사용되는 데이터의 통합을 위한 마스터 데이터가 등장했다. 본 논문은 BP(Business Process)를 효율적으로 운용하기 위한 방안을 제시한다. 우리는 BP를 지원하기 위한 지식 저장소로 XMDR(eXtended Meta Data Registry)과 이를 운용하기 위한 데이터 허브를 구성한다. XMDR은 데이터 통합을 위한 MDM(Master Data Management)을 관리하고, 데이터 간의 이질성을 해결하고, 업무 간의 연관관계를 효율적으로 제공한다. 이것은 MDR(Meta Data Registry), 온톨로지, BR(Business Relations)으로 구성된다. MDR은 구조적 이질성을 해결하기 위한 메타 데이터간의 관계성을 기술한다. 온톨로지는 의미적 이질성과 데이터 간의 관계성을 기술한다. BR은 업무 간의 관계성을 기술한다. XMDR 데이터 허브는 마스터 데이터의 관리를 지원하고, 프로세스 간의 상호작용을 효율적으로 지원할 수 있다.