• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.90-94
• /
• 2006

인간관계를 파악하기 위한 사회망(Social Network)에 대한 연구는 사회과학 분야에서의 중요성으로 인해 꾸준히 진행되어 왔다. 학술 연구 분야에서도 연구자들 사이의 관계를 파악하는 것은 마찬가지로 중요성을 갖는다. 특히, 연구자들 사이의 공동 연구나 인용 형태에 대한 네트워크를 파악하는 것은 학술 연구에 대한 정책 입안이나 사업의 평가 등에 유용하게 활용될 수 있다. 본 연구에서는 국가과학기술 R&D 기반정보 온톨로지를 활용하여 공저자 관계와 인용 관계를 보여주는 두 가지 연구자 네트워크를 생성하는 방법에 대해 기술한다. RDF 트리플로 저장된 연구 성과물과 참여 연구 인력들에 대한 정보로부터 SPARQL 질의를 통하여 공저자 및 인용 관계의 연구자 쌍을 추론하고 후처리 과정을 통해 공저자 관계 및 인용 관계로 연결된 연구자 네트워크를 생성하는 과정을 소개한다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.69-85
• /
• 2018

최근 DCAT, CKAN 같은 동종 데이터 집합에 대해 질의를 동시에 수행하여 쿼리 결과의 품질을 크게 향상하는 페더레이션 쿼리 엔진이 활발하게 연구되고 있다. 하지만 기존 연구는 비표준 쿼리를 사용하며 정적 바인딩을 적용한 몇 가지 이기종 데이터 집합 또는 동종 데이터 집합에 대해서만 질의 할 수 있다. 본 논문에서는 SPARQL을 사용하여 여러 데이터 소스에 질의하는 페더레이티드 엔진 (DRAZ)을 제안한다. 제안하는 시스템에서는 주어진 SPARQL 쿼리의 모든 트리플 패턴을 API 호출로 변환하여 해당 데이터셋에 접근한다. 마지막으로 모든 API 호출 결과를 N-트리플로 변환하고 모든 트리플 패턴을 고려한 최종 결과를 요약한다. 우리는 제안하는 DRAZ를 DCAT 및 DOI와 같은 이기종 메타 데이터 표준을 고려하여 수정된 Fedbench 벤치 마크 질의를 사용하여 평가하였다. 제안하는 시스템인 DRAZ가 JOIN 작업을 사용할 수 없음에도 불구하고 결과의 70-100 % 정확도를 달성 할 수 있음을 실험을 통해 확인하였다.

• 정보과학회 논문지
• /
• 제44권10호
• /
• pp.1045-1061
• /
• 2017

본 논문은 시멘틱 웹의 실제적인 구현 결과인 개방형 연결 데이터(Linked Open Data(LOD)) 클라우드에서의 연결성을 확충하는 방안을 제시하였다. 현재의 LOD 클라우드는 최초 기대와는 달리 LOD들간의 연결성 부족으로 인하여 활발한 활용을 이끌어 내지 못하고 있다. 를 적용한 명시적연결들을 LOD에 직접 첨부하여 공개하는 현재의 연결방식은 연결대상 LOD들의 변경상황을 실시간으로 검색결과에 반영하지 못하며 별도의 작업을 통하여 이러한 명시적연결들을 생성하고 주기적으로 갱신하여야 한다는 제약을 가진다. 이에 본 논문은 명시적연결들을 첨부하는 대신 LOD마다 연결정책을 마련하고 이를 LOD와 함께 공개하는 방안을 제안하였다. 연결정책에는 타겟LOD들을 선정하고 연결판단에 필요한 술어 쌍들과 유사도를 명세하도록 하였다. 이러한 연결정책에 기반하여 여러 LOD들에 거쳐 진행하는 심층검색 기능을 API로 구현하고 이를 Github를 통하여 공개하였다. 구현한 심층검색을 유사도 1.0~0.8, 깊이 4까지에서 실험한 결과 신뢰적인 연결들을 91%~98% 수준으로 포함하고 170% 정도 규모의 적정한 확장성을 제공하는 것으로 평가되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권7호
• /
• pp.431-441
• /
• 2008

학술정보 분석 서비스는 학술정보 온톨로지를 사용하여 연구과제의 심사자 선정과 연구자의 연구성과 분석에 필요한 정보를 제공해 주는 서비스이다. 연구과제의 심사자 추천 서비스에서는 과제의 신청 분야와 심사자의 전공 분야, 과제 신청자와 심사자의 관계, 심사자의 해당 분야에 대한 전문도를 고려하여 정확하고 공정한 심사자 추천이 이루어져야 한다. 연구성과 분석 서비스에서는 전공 분야별/기관별 연구성과물 현황, 전공 분야별 전문가 현황, 연구자 네트워크 등을 사용해서 연구자의 연구 현황 정보 제공은 물론 기관, 지역별 연구 성과 현황 정보도 제공되어야 한다. 본 연구에서는 학술정보 분석 서비스를 제공하기 위해 학술정보를 온톨로지로 구축하고, OntoFrame 기반의 추론 시스템을 적용하여 학술정보를 저장하고 지식 확장 과정을 수행한 후 심사자 추천 서비스와 연구성과 분석 서비스에 필요한 정보를 제공하였다. 본 논문에서는 학술정보 온톨로지의 구성과 OntoFrame 기반의 학술정보 시스템의 구성 및 서비스 방법을 제시하였고, 이를 통해 효과적인 학술정보 분석 서비스를 제공하였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.43-61
• /
• 2019

최근 4차 산업혁명과 함께 인공지능 기술에 대한 연구가 활발히 진행되고 있으며, 이전의 그 어느 때보다도 기술의 발전이 빠르게 진행되고 있는 추세이다. 이러한 인공지능 환경에서 양질의 지식베이스는 인공지능 기술의 향상 및 사용자 경험을 높이기 위한 기반 기술로써 중요한 역할을 하고 있다. 특히 최근에는 인공지능 스피커를 통한 질의응답과 같은 서비스의 기반 지식으로 활용되고 있다. 하지만 지식베이스를 구축하는 것은 사람의 많은 노력을 요하며, 이로 인해 지식을 구축하는데 많은 시간과 비용이 소모된다. 이러한 문제를 해결하기 위해 본 연구에서는 기계학습을 이용하여 지식베이스의 구조에 따라 학습을 수행하고, 이를 통해 자연어 문서로부터 지식을 추출하여 지식화하는 방법에 대해 제안하고자 한다. 이러한 방법의 적절성을 보이기 위해 DBpedia 온톨로지의 구조를 기반으로 학습을 수행하여 지식을 구축할 것이다. 즉, DBpedia의 온톨로지 구조에 따라 위키피디아 문서에 기술되어 있는 인포박스를 이용하여 학습을 수행하고 이를 바탕으로 자연어 텍스트로부터 지식을 추출하여 온톨로지화하기 위한 방법론을 제안하고자 한다. 학습을 바탕으로 지식을 추출하기 위한 과정은 문서 분류, 적합 문장 분류, 그리고 지식 추출 및 지식베이스 변환의 과정으로 이루어진다. 이와 같은 방법론에 따라 실제 지식 추출을 위한 플랫폼을 구축하였으며, 실험을 통해 본 연구에서 제안하고자 하는 방법론이 지식을 확장하는데 있어 유용하게 활용될 수 있음을 증명하였다. 이러한 방법을 통해 구축된 지식은 향후 지식베이스를 기반으로 한 인공지능을 위해 활용될 수 있을 것으로 판단된다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.145-154
• /
• 2022

자동 표적 인식(Automatic Target Recognition, ATR) 기술이 미래전투체계(Future Combat Systems, FCS)의 핵심 기술로 부상하고 있다. 그러나 정보통신(IT) 및 센싱 기술의 발전과 더불어 ATR에 관련이 있는 데이터는 휴민트(HUMINT·인적 정보) 및 시긴트(SIGINT·신호 정보)까지 확장되고 있음에도 불구하고, ATR 연구는 SAR 센서로부터 수집한 이미지, 즉 이민트(IMINT·영상 정보)에 대한 딥러닝 모델 연구가 주를 이룬다. 복잡하고 다변하는 전장 상황에서 이미지 데이터만으로는 높은 수준의 ATR의 정확성과 일반화 성능을 보장하기 어렵다. 본 논문에서는 이미지 및 텍스트 데이터를 동시에 활용할 수 있는 지식 그래프 기반의 ATR 방법을 제안한다. 지식 그래프와 딥러닝 모델 기반의 ATR 방법의 핵심은 ATR 이미지 및 텍스트를 각각의 데이터 특성에 맞게 그래프로 변환하고 이를 지식 그래프에 정렬하여 지식 그래프를 매개로 이질적인 ATR 데이터를 연결하는 것이다. ATR 이미지를 그래프로 변환하기 위해서, 사전 학습된 이미지 객체 인식 모델과 지식 그래프의 어휘를 활용하여 객체 태그를 노드로 구성된 객체-태그 그래프를 이미지로부터 생성한다. 반면, ATR 텍스트는 사전 학습된 언어 모델, TF-IDF, co-occurrence word 그래프 및 지식 그래프의 어휘를 활용하여 ATR에 중요한 핵심 어휘를 노드로 구성된 단어 그래프를 생성한다. 생성된 두 유형의 그래프는 엔터티 얼라이먼트 모델을 활용하여 지식 그래프와 연결됨으로 이미지 및 텍스트로부터의 ATR 수행을 완성한다. 제안된 방법의 우수성을 입증하기 위해 웹 문서로부터 227개의 문서와 dbpedia로부터 61,714개의 RDF 트리플을 수집하였고, 엔터티 얼라이먼트(혹은 정렬)의 accuracy, recall, 및 f1-score에 대한 비교실험을 수행하였다.