• 인터넷정보학회논문지
• /
• 제8권5호
• /
• pp.99-108
• /
• 2007

온톨로지를 이용한 상황인식 시스템은 추론엔진의 도움을 받아 상황을 추론할 수 있다. 추론엔진의 도움을 받고, 추론규칙 문법에 맞는 추론규칙을 작성함으로써 기존 상황인식 시스템이 가진 추론의 모호성을 해결할 수 있다. 또한 추론 알고리즘을 프로그램으로부터 배제함으로써 새로운 상황에 보다 쉽게 적용할 수 있는 장점을 가진다. 본 논문에서는 온톨로지를 이용한 상황인식 시스템을 제안한다. 또한 온톨로지를 이용한 상황인식 시스템의 효용성을 확인하기 위해 가정을 대상으로 한 구현과 실험을 실시하였다.

• 대한공간정보학회지
• /
• 제19권1호
• /
• pp.13-20
• /
• 2011

위치 기반 서비스는 사용자 중심의 위치를 기반으로 한 정보 서비스이며 유비쿼터스 시대에 있어서 핵심적인 엔진으로서 논의되어져오고 있다. 본 연구의 목적은 다중 의사 결정 기법을 통해 이동 단말 사용자의 위치 정보와 공간적 선호도를 반영한 새로운 온톨로지 추론 시스템을 개발하는 것이다. 이를 위해 POI 검색을 위한 온톨로지 기반의 LBS 추론시스템을 개발하고 사용자의 상황인식정보와 개인적 특성 및 공간선호도에 따른 온톨로지로 구축을 하여 그 구현 결과를 보였다. 또한 사용자의 의사결정시 결정기준요소에 가중치 부여를 위한 Cost Value Ontology를 구축하여, 다 기준 의사추론을 통해 사용자에게 적절한 추천 결과가 도출되는 위치 기반 서비스 방법을 제안하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권4호
• /
• pp.282-296
• /
• 2010

OWL 온톨로지는 실세계의 도메인 지식을 모델링 하는데 적합하다. 또한 명백하게 정의된 지식으로부터 암시적인 새로운 지식을 추론할 수 있다. 하지만 이 모델링된 지식은 완전할 수 없다. 사람이 가지고 있는 모든 상식을 모델링 할 수 없기 때문이다. 온톨로지는 완전한 지식표현을 위한 무결성 제약조건과 예외 처리와 같은 비단조 추론을 지원할 방법이 없다. 디폴트 규칙은 온톨로지 안의 특정 클래스에 대한 예외를 처리할 수 있다. 또한 무결성 제약은 온톨로지에 정의된 클래스의 제한조건(restriction)에 인스턴스가 일관되게 할 수 있다. 본 논문에서는 Open World Assumption(OWA) 기반의 온톨로지와 Closed World Assumption(CWA) 기반의 비단조 추론을 지원하는 규칙의 지식베이스를 통합하여 Open World 와 Closed World 추론을 모두 지원하는 실질적인 추론 시스템을 제안한다. 이 시스템은 온톨로지에 정의된 불완전한 개념을 다룰 때 OWA기반이라서 발생하는 문제점을 ASP(Answer Set Programming)를 사용하여 해결방안을 제안한다. ASP는 논리 프로그래밍 언어로써 비단조 추론을 허용하며, 서술 논리 지식베이스에 CWA 기반의 질의를 가능하게 한다. 제안하는 시스템은 Protege에서 제공하는 Pizza 온톨로지를 예로써 비단조 추론이 필요한 경우를 보이고, 잘 알려진 온톨로지들로 성능 평가하여 본 시스템의 정당(sound)하고 완전(complete)함을 증명한다.

• 대한한의학원전학회지
• /
• 제22권3호
• /
• pp.97-105
• /
• 2009

We in this paper have constructed herb and formula ontologies. Herb instances and formula instances can be distinguished by nature, used part, effect, disease pattern, symptom, and formula and constituent herb, dosage, effect, disease pattern, symptom, and medical book, respectively. The knowledge for herbs and formulas in ontology is formalized with the distinguishable elements and their relations. Based on the herb and formula ontologies, we propose the three reasoning rules as follows: In herb ontology, the relation between herb and disease can be reasoned if there are the relation between herb and effect, and effect and disease. In formula ontology, there are two reasoning rules. First, if each constituent herb, dosage, effect, disease pattern, and symptom of two formulas is same, it can be reasoned that two formulas are same though the medical books of the formulas are different. Second, if each constituent herb and dosage is same in two formula, it can be reasoned that each formula has all of effects, disease patterns, and symptoms of formulas. In future study, we study other ontologies such as disease ontology with respect to Korean Medicine and define the reasoning rules about the ontologies.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.87-95
• /
• 2016

최근 인터넷과 디바이스의 발전으로 지식 정보의 양이 방대해 지면서 대용량 온톨로지를 이용한 추론 연구가 활발히 진행되고 있다. 일반적으로 트리플로 표현되는 빅데이터는 기계학습 프로그램이나 지식 공학자가 각 트리플의 신뢰도를 측정하여 제공한다. 하지만 수집된 데이터는 불확실한 데이터를 포함하고 있으며, 이러한 데이터를 추론하는 것은 불확실성을 내포한 추론 결과를 초래할 수 있다. 본 논문에서는 불확실성 문제를 해결하기 위해 수집된 데이터에 대한 신뢰의 정도를 나타내는 신뢰값(Confidence Value)를 이용한 RDFS 규칙 추론 방법에 대하여 설명하고, 메모리 기반의 분산 클러스터 프레임워크인 스파크(Spark)를 기반으로 데이터의 불확실성에 대한 고려를 하지 않는 기존의 추론 방법과 달리 신뢰값 계산에 대한 방법을 응용하여 RDFS 규칙을 통해 추론되는 새로운 데이터의 신뢰값을 계산하며, 계산된 신뢰값은 추론된 데이터에 대한 불확실성을 나타낸다. 제안하는 추론 방법의 성능을 검증하기 위해 온톨로지 추론과 검색 속도를 평가할 때 활용되는 공식 데이터인 LUBM을 대상으로 신뢰값을 추가하여 실험을 수행하였으며, 가장 큰 데이터인 LUBM3000을 수행하였을 때 1179초의 추론시간이 소요되었고, 초당 350K 트리플을 처리할 수 있는 성능을 보였다.

• 한국전자거래학회지
• /
• 제18권4호
• /
• pp.195-214
• /
• 2013

사례기반추론은 과거의 사례들로부터 주어진 문제와 가장 유사한 사례를 가져와 이를 현재의 상황에 맞게 변형함으로써 보다 빠르고 효과적으로 문제를 해결하기 위한 방법론이다. 사례기반추론의 가장 중요한 성능의 지표는 사례의 수라고 할 수 있는데, 따라서 사례가 풍부하지 않은 분야에서는 적용하기 어려운 방법이다. 본 논문에서는 이를 극복하기 위해 건설분야를 대상으로 시맨틱 웹을 기반으로 하여 사례를 교환할 수 있는 방안을 제안하였다. 특히 사례를 여러 개의 세부 사례로 분리함으로써 적절한 전체 사례가 없더라도 적절한 세부 사례들을 조합하여 새로운 사례를 만들어낼 수 있도록 하였다. 이를 위하여 온톨로지를 이용하여 사례와 세부 사례의 연결, 세부 사례 단위의 유사도 규칙, 그리고 세부 사례의 조합을 위한 규칙을 표현하였으며 이를 이용하여 웹에서 세부 사례를 요청하고 조합할 수 있는 시스템을 설계 및 구현하였다. 본 연구에서 제안된 시스템은 건설분야를 대상으로 하였으므로 세부 사례로의 분리 및 조합이 건설분야에 제한된다는 점이 있으나, 향후 지속적인 연구를 통해 다른 분야에도 적용될 수 있을 것으로 기대된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권7호
• /
• pp.509-522
• /
• 2009

W3C 웹 온톨로지 워킹그룹에서는 시맨틱웹을 위한 온톨로지 언어를 위해서 OWL을 개발하였다. 하지만 OWL은 시간에 대한 의미체계를 표현할 수 없기 때문에 시간 정보에 기반한 추론을 수행할 수 없다. 실세계의 개체들은 시간의 흐름에 따라 변하고 어떤 사건의 발생으로 인해 새로운 사실들이 생겨나고 있기 때문에 만약 지식베이스에 존재하는 지식이 시간 정보를 가지지 않는다면 불완전하고 부정확 해질 수 밖에 없다. 따라서 본 논문에서는 시맨틱웹에서 시간 정보를 표현하고 추론할 수 있도록 OWL을 시간에 대한 의미체계를 가지도록 확장한 온톨로지 언어인 TL-OWL올 제안한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권5호
• /
• pp.411-419
• /
• 2009

현재 온톨로지의 논리적 오류와 개념들 간의 포함 관계를 탐지하는 추론 엔진들이 소개되고 있다. 대부분의 서술 논리 기반 온톨로지 추론 엔진은 태블로 알고리즘을 기반으로 구축되었다. 그러나 태블로 알고리즘 기반의 온톨로지 추론은 인스턴스 추론에 있어서 한계를 보인다. 이에 본 논문에서는 Medusa 시스템을 제안한다. Medusa는 서술 논리로 표현된 온톨로지의 정형화된 의미를 기반으로 시맨틱 웹 규칙 언어(SWRL)를 지원하는 확장된 서술 논리 추론 엔진이다. 대부분의 서술 논리 기반 추론 엔진은 효과적으로 온톨로지 스키마 모델을 추론하지만 인스턴스(Assertional Knowledge) 정보를 추론하기 위한 규칙 기반 추론 기능을 제공하지는 않는다. 이러한 문제를 해결하기 위해서 Medusa는 서술 논리의 추론 방식과 규칙 기반 추론 방식을 동시에 사용한다. 본 논문에서 설명하는 Medusa의 프로토타입은 $Prot{\acute{e}}g{\acute{e}}$ API[1]를 사용하여 시맨틱 웹 규칙 언어 추론 엔진과 서술 논리 추론 엔진간의 상호작용을 제어한다.

• 정보과학회 논문지
• /
• 제43권9호
• /
• pp.963-973
• /
• 2016

대용량 미디어 온톨로지를 이용하여 의미 있는 지능형 서비스를 제공하기 위해 기존의 Axiom 추론뿐만 아니라 다양한 추론을 활용하는 지식 확장이 요구되고 있다. 특히 시공간 정보는 인공지능 응용분야에서 중요하게 활용될 수 있고, 시공간 정보의 표현과 추론에 대한 중요도는 지속적으로 증가하고 있다. 따라서 본 논문에서는 공간 정보를 추론에 활용하기 위해서 공공 주소체계에 대한 LOD를 대용량 미디어 온톨로지에 추가하고, 이러한 대용량 데이터 처리를 위해 인메모리 기반의 분산 처리 프레임워크를 활용하는 공간 추론을 포함하는 RDFS 추론 시스템을 제안한다. 또한 추론을 통해 확장된 데이터를 포함하는 대용량 온톨로지 데이터를 대상으로 하는 분산 병렬 시공간 SPARQL 질의 처리 방법에 대해서 설명한다. 제안하는 시스템의 성능을 측정하기 온톨로지 추론과 질의 처리 벤치 마킹을 위한 LUBM과 BSBM 데이터셋을 대상으로 실험을 진행했다.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.61-70
• /
• 2016

근래에 들어 다양한 시멘틱 서비스를 위하여 기존의 지식을 바탕으로 새로운 지식을 고속으로 추론할 수 있는 대용량 온톨로지 추론 기법이 요구되고 있다. 이런 추세에 따라 대규모의 클러스터를 활용하는 하둡 및 Spark 프레임워크 기반의 온톨로지 추론 엔진 개발이 연구되고 있다. 또한, 기존의 CPU에 비해 많은 코어로 구성되어 있는 GPGPU를 활용하는 병렬 프로그래밍 방식도 온톨로지 추론에 활용되고 있다. 앞서 말한 두 가지 방식의 장점을 결합하여, 본 논문에서는 RDFS 대용량 온톨로지 데이터를 인-메모리 기반 프레임워크인 Spark를 통해 분산시키고 GPGPU를 이용하여 분산된 데이터를 고속 추론하는 방법을 제안한다. GPGPU를 통한 온톨로지 추론은 기존의 추론 방식보다 저비용으로 고속 추론을 수행하는 것이 가능하다. 또한 Spark 클러스터의 각 노드를 통하여 대용량 온톨로지 데이터에 대한 부하를 줄일 수 있다. 본 논문에서 제안하는 추론 엔진을 평가하기 위하여 LUBM10, 50, 100, 120에 대해 추론 속도를 실험하였고, 최대 데이터인 LUBM120(약 1백7십만 트리플, 2.1GB)의 실험 결과, 인-메모리(Spark) 추론 엔진 보다 7배 빠른 추론 성능을 보였다.