• Journal of KIISE
• /
• v.42 no.7
• /
• pp.852-859
• /
• 2015

As the amount of knowledge information significantly increases, a lot of progress has been made in the studies focusing on how to reason large scale ontology effectively at the level of RDFS or OWL. These reasoning methods are divided into TBox classifications and ABox realizations. A TBox classification mainly deals with integrity and dependencies in schema, whereas an ABox realization mainly handles a variety of issues in instances. Therefore, the ABox realization is very important in practical applications. In this paper, we propose a realization method for analyzing the constraint of the specified class, so that the reasoning system automatically infers the classes to which instances belong. Unlike conventional methods that take advantage of the object oriented language based distributed file system, we propose a large scale ontology reasoning method using spark, which is a functional programming-based in-memory system. To verify the effectiveness of the proposed method, we used instances created from the Wine ontology by W3C(120 to 600 million triples). The proposed system processed the largest 600 million triples and generated 951 million triples in 51 minutes (696 K triple / sec) in our largest experiment.

• Journal of KIISE
• /
• v.45 no.3
• /
• pp.224-233
• /
• 2018

Recently, there are many of studies on SWRL reasoning engine based on user-defined rules in a distributed environment using a large-scale ontology. Unlike the schema based axiom rules, efficient inference orders cannot be defined in SWRL rules. There is also a large volumet of network shuffled data produced by unnecessary iterative processes. To solve these problems, in this study, we propose a method that uses Map-Reduce algorithm and distributed in-memory framework to deduce multiple rules simultaneously and minimizes the volume data shuffling occurring between distributed machines in the cluster. For the experiment, we use WiseKB ontology composed of 200 million triples and 36 user-defined rules. We found that the proposed reasoner makes inferences in 16 minutes and is 2.7 times faster than previous reasoning systems that used LUBM benchmark dataset.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.27 no.1
• /
• pp.7-14
• /
• 2017

Theoretically, it is known that common beliefs and/or common knowledge cannot be attained in asynchronously distributed multiagent environments, however, it show that some propositions with deadlines can be attained as common beliefs among a set of fully trusted agents even when they communicate to each other asynchronously. Generally, in the multiagent environment, the attainment of common beliefs is approached as a problem of communication, and for the common beliefs paradox that the common beliefs is not attained on a system without communication time restriction is applied to loose coarser granularity and it prove that forming common beliefs is possible by relaxing necessary requirements through the KakaoTalk chatting model. I also experimented with the reasoning function that confirms the common beliefs by inquiring about the common belief generated by implementing the inference function in each agent of the KakaoTalk chatting model. Through utilizing metalogic programming, a formalization of the presentation and reasoning of common beliefs has been achieved, and the group chatting model of KakaoTalk was adopted in experiments to show that common beliefs can be formed among distributed agents using asynchronous communication.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2012.05a
• /
• pp.253-255
• /
• 2012

최근 휴대폰의 보급과 기능의 고급화로 휴대폰을 이용한 개인 환경 맞춤 서비스에 대한 관심이 증가되고 있다. 특히 휴대폰을 이용한 상황인지 기술들이 개발되고 있으며 다양한 분야에 서비스를 제공하는 스마트 모바일 플랫폼에 대한 연구가 진행되고 있다. 본 논문에서는 스마트 홈 환경에서 휴대폰을 이용하여 사용자 프로파일과 수집된 상황 정보에 적절하게 주변 생활 가전 기기를 제어하는 개인화 맞춤 서비스를 제공하는 플랫폼과 휴대폰에서 작동하는 경량 상황인식 엔진을 제안하였으며 상황인식을 통한 추론 작업을 휴대폰과 홈 서버로 분산시켜 상황 추론 작업의 효율화를 기했다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.11a
• /
• pp.451-456
• /
• 2007

유비쿼터스 컴퓨팅 환경을 구축하기 위해서는 사용자 및 주변 상황에 관한 인지기술이 필수적이다. 이에 따라 이기종 분산형 시스템에서 언어와 기종에 영향을 받지 않고 사용자 Context를 인지하고 표현하는 문제는 해결해야할 중요한 과제로 대두되었다. 이에 따라, 본 논문에서는 이 과제를 해결하기 위하여 시맨틱 웹 기술 및 퍼지 개념을 이용하여 사용자 Context를 기술하는 것을 제안한다. 온톨로지는 컴퓨터가 정보자원의 의미를 파악하고 자동적으로 처리할 수 있도록 고안된 지식표현 언어이므로 이기종 시스템 하에서의 사용자 Context를 표현하는데 적합하다. 한편, 사용자가 접할 실세계의 환경은 일반집합(Crisp Set)으로 표현하기 힘들기 때문에 본 논문에서는 퍼지개념과 표준 웹 온톨로지 언어 OWL이 융합된 Fuzzy OWL언어를 사용했다. 본 논문에서 제안하는 방법은 Context를 Fuzzy OWL로 표현하기 위하여 먼저 사용자가 접한 환경정보들을 수치로 표현한다. 그리고 이를 OWL로 기술하며 OWL로 표현된 사용자 Context를 Fuzzy OWL로 변환한다. 마지막으로 퍼지 개념이 포함된 사용자 Context를 이용하여 자동적인 상황인지가 가능한지 여부를 퍼지 추론 엔진인 FiRE를 사용하여 실험한다. 본 논문에서 제시한 방법을 사용하면 이기종 분산시스템에서도 사용할 수 있는 형태로 Context를 기술할 수 있다. 그리고 기술된 Context를 기반으로 현재 사용자가 접한 환경의 상태를 추론할 수 있다. 또한 퍼지 기술 로직 언어(Fuzzy Description Logic)기반 추론기인 FiRE를 이용하여 이를 검증한다.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.333-344
• /
• 2001

통계적 추론에 사용되는 많은 통계량들은 평균벡터의 평활함수의 형태로 표현이 가능하다. 본 연구에서는 이들 통계량들의 분포함수에 대한 안부점근사법을 제시하였다. 이 방법은 Na(1998)에서 제시된 일반적 통계량의 분포함수에 대한 안부점근사법이 평균벡터의 평활함수모형에 특히 유용하게 사용될 수 있음을 보인 것이다. 이 근사법은 정규근사에 비해 근사의 정도가 뛰어나며, 특히 통계량의 꼬리부분의 확률에 대해서도 정확도가 그대로 유지되는 장점이 있어 정밀한 추론이 요구되는 많은 문제에 효과적으로 사용될 수 있다. 모의 실험에 사용할 평균벡터의 평활함수 모형으로는 스튜던트화 분산을 고려하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.231-233
• /
• 2000

인터넷에 산재해 있는 분산 이질의 대규모 정보들을 통합, 관리하기 위한 기본 모델로서 최근 정보교환 표준으로 인정받고 있는 XML을 사용할 수 있다. HMS(Hallym Mediator System)는 XML을 기본 데이터 모델로 하는 미디에이터 시스템으로서 뷰(View) DTD의 정의, 추론 기능을 이용하여 웹 상의 분산, 이질 정보의 통합 기능을 제공한다. 뷰 DTD는 관리자에 의하여 정의되어, 추론 및 보완 과정을 거쳐 생성되며, 웹 상의 통합된 가상 정보 구조를 표현한다. 웹 상의 사용자는 이와 같이 생성된 뷰 DTD를 근거로 분산이질 정보에 대한 구조정보 및 내용정보에 대한 질의를 수행할 수 있다. HMS에서는 DTD 구동형 비주얼 사용자 인터페이스를 제공하여, 관리자와 일반 사용자에게 직관적이고 간편한 웹 정보 브라우징 및 질의검색 환경을 제공한다.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.5
• /
• pp.157-165
• /
• 2009

In this paper, we propose a distributed model that recognize ADLs of human can be occurred in daily living places. We collect and analyze user's environmental, location or activity information by simple sensor attached home devices or utensils. Based on these information, we provide a lifecare services by inferring the user's life pattern and health condition. But in order to provide a lifecare services well-refined activity recognition data are required and without enough inferred information it is very hard to build an ADL activity recognition model for high-level situation awareness. The sequence that generated by sensors are very helpful to infer the activities so we utilize the sequence to analyze an activity pattern and propose a distributed linear time inference algorithm. This algorithm is appropriate to recognize activities in small area like home, office or hospital. For performance evaluation, we test with an open data from MIT Media Lab and the recognition result shows over 75% accuracy.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.828-831
• /
• 2015

시맨틱 웹에서 실세계의 복잡한 사건들은 시간의 흐름에 따라 새로운 결과 또는 사실들이 생겨나기 때문에 시간이 포함된 지식에 대한 추론능력이 필수적이다. 본 논문에서는 대표적 병렬 분산 컴퓨팅 환경인 맵리듀스 프레임워크를 이용해, 새로운 시간 관계를 추론할 수 있는 효율적인 대용량 시간 추론 알고리즘을 제안한다. 또한, 맵리듀스 프레임워크로 구현한 대용량 시간 추론기의 성능을 분석하기 위해 샘플 시간 지식베이스를 이용한 실험들을 수행하고, 그 결과를 소개한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.