• 정보처리학회논문지B
• /
• 제12B권4호
• /
• pp.479-486
• /
• 2005

온톨로지는 차세대 시맨틱 웹을 위한 논리의 기반을 구성하기 위해 제안되었다. 이러한 온톨로지는 특정 분야에 대한 지식을 정형화된 형태로 표현함으로써 기계에 의한 지식의 이해를 가능하게 하고, 이를 사용하여 사용자의 요구에 알맞은 지능화된 서비스를 제공할 수 있게 한다. 하지만, 온톨로지의 구축과 유지는 많은 사람의 시간과 노력을 요구한다. 본 고에서는 온톨로지 구축 방법의 일환으로, 문서로부터 온톨로지를 구성하는 개념간의 관계를 정의하는 자동화된 방법을 제안한다. 본 고에서 제안된 방법은 특정 분야의 문서에 존재하는 개념을 기반으로 개념간의 연관 규칙을 형성하는 개념 쌍을 찾고, 두 개념 사이에 존재하는 내용의 군집화를 통해 두 개념간의 관계를 설명하는 패턴을 찾는다. 마지막으로 패턴간의 군집화를 사용하여 개념 사이의 일반화된 관계를 명시한다. 본 고에서는 제안된 방법을 검증하기 위한 방법으로 TREC(Text REtrieval Conference)에서 제공하는 문서집합을 사용하여 개념간의 관계를 추출, 평가하였으며, 그 결과 제안된 방법은 개념간의 관계를 설명하는 유용한 정보를 제공할 수 있음을 보여준다.

• 정보처리학회논문지D
• /
• 제12D권4호
• /
• pp.627-636
• /
• 2005

지능형 웹 서비스는 시맨틱 웹과 에이전트 기술을 통하여 자동적인 서비스의 발견, 호출, 조합 및 상호운영, 실행 감시 및 복구를 수행하기 위한 목적으로 제안되었다. 이러한 지능형 웹 서비스의 목적을 실현하기 위해서는 컴퓨터가 지식을 추론하고 처리할 수 있게 하기 위한 온톨로지가 필수적으로 요구된다. 그러나 현재 지능형 웹 서비스를 위한 서비스 온톨로지의 생성은 서비스 개발자의 휴리스틱에 의존하여 많은 시간과 비용을 소모할 뿐만 아니라 서비스와 서비스 온톨로지간의 완벽한 매핑이 어렵다는 문제점을 가지고 있다. 또한 서비스 온톨로지를 기술하기 위한 마크업 언어를 서비스 개발자가 단기간 내에 학습하기에 많은 어려움이 있는 실정이다. 본 논문에서는 이러한 문제점들을 해결하기 위해 MDA 방법론을 사용하여 서비스 온톨로지를 효율적으로 설계 및 생성하기 위한 방안을 제안한다. 우리가 제안하는 방안은 MDA를 기반으로 UML을 사용하여 웹 서비스 모델을 설계하고 구축하는 과정에서 생성되는 모델을 재사용 한다. 즉, 플랫폼 독립적인 웹 서비스 모델을 서비스 온톨로지 기술 언어인 OWL-S에 종속적인 모델로 변환한 후 XMI를 통해 OWL-S 서비스 온톨로지로 변환한다. 본 논문에서 제안하는 방안은 이미 널리 사용되는 UML과 같은 소프트웨어 공학적 방법을 사용하기 때문에 서비스 개발자들이 쉽게 서비스 온톨로지를 구축할 수 있으며 하나의 모델로부터 서비스와 서비스 온톨로지 모델을 동시에 이끌어 낼 수 있는 장점을 가진다. 또한 모델로부터 자동적으로 서비스 온톨로지를 생성함으로써 시간과 비용을 절감할 수 있는 효과를 얻을 수 있다. 그리고 플랫폼 변화와 같은 외부 환경 변화에 유연하게 대처할 수 있다. 끝으로 본 논문에서는 제안된 방안의 타당성을 검증하기 위해 실제로 웹 서비스 모델을 설계하고 서비스 온톨로지를 생성하는 예를 보인다. 또한 생성된 서비스 온톨로지가 올바르게 생성되었는지를 유효성 검사를 통해 검증한다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.