• 정보관리학회지
• /
• 제32권2호
• /
• pp.131-152
• /
• 2015

본 연구에서는 R2RML 방식과 Non-R2RML 방식을 각각 적용하여 RDB를 RDF 온톨로지로 변환한 결과를 비교하였다. RDB 기반의 구조적학술용어사전 데이터베이스인 STNet의 데이터를 대상으로, 변환이 완료된 데이터의 규모, 튜플당 변환에 걸리는 시간, 그리고 질의 응답 속도를 측정하였다. 변환 규모의 평가 결과 Non-R2RML 방식이 더 많은 수의 변환을 하였으며, 표현의 풍부성과 추론 가능성 정도를 높이는 변환을 수행한 것으로 나타났다. 튜플당 변환 시간의 경우 Non-R2RML 방식이 미세하지만 더 빠른 것으로 나타났으며, 질의 응답 속도는 두 방식 모두 300회 이상의 질의 횟수부터는 안정적인 성능을 보이면서 유사한 형태의 속도를 보였다. 측정에 대한 종합적 검토 결과 데이터의 변형이 빈번하고 새로운 데이터의 추가나 데이터들 간의 연결관계가 지속적으로 변화하는 STNet과 같은 동적인 RDB에는 Non-R2RML 방식이 적절한 것으로 평가되었다.

• 한국문헌정보학회지
• /
• 제49권1호
• /
• pp.45-67
• /
• 2015

본 연구의 목적은 KCI의 인문, 사회, 예술체육 분야 저자키워드를 기반으로 구축한 구조적 학술용어사전 데이터베이스 시스템 STNet에 실제 입력된 용어들의 의미적 관계들을 분석하여 관계 유형을 최적화하고 관계명을 세분화하는 방안을 기술하는 것이다. 분석 결과, 관계 유형과 관계명을 최적화하기 위해서는 빈도수에 의한 관계명 신설 또는 관계의 유형화 제한, 관계의 방향성 고려, 기존 관계명 반영의 4가지 논리적 기준이 필요한 것으로 나타났다. STNet의 "실존인물" 클래스를 테스트베드로 삼아 이 기준을 적용해 관계 유형을 최적화하고 관계명을 세분화한 결과 원래 RT, RT_X, RT_Y로 연결된 1,743건의 관계 중 1,135건이 세분화되는 것으로 나타났다. 이는 약 65%의 RT 관계가 구체화된 것으로 사전 구축 및 검색 단계에서의 유용성 측면에서 상당한 의미가 있음을 보여주는 것이다.

• 한국문헌정보학회지
• /
• 제48권4호
• /
• pp.297-322
• /
• 2014

본 연구의 목적은 KCI의 인문학, 사회과학, 예술체육 분야 저자키워드를 대상으로 의미적, 형태적 분석을 통해 기존에 연구된 개념범주 텍사노미의 적합성을 확인하고 실용적인 개선 방안을 제시하는 것이다. 연구를 통해 '실체, 추상, 일반/공통, 개체'의 네 개 최상위수준의 개념범주를 보다 구체적이고 핵심 개념이 반영된 일곱 개의 범주 '개체, 활동/기능, 특성, 이론/방법, 형식/틀, 일반/공통, 인스턴스'로 변경하였다. 중위범주와 하위범주의 경우 신설, 세분화, 통합, 삭제, 이동 등의 방법으로 개념범주의 계층 구조를 단순화시키고 범주 간 용어분포의 불균형을 개선하였다. 구조적학술용어사전(STNet)을 테스트베드로 삼아 수정된 개념범주 텍사노미를 적용한 결과 용어의 분포가 균형적으로 이루어지고, 용어의 속성 표현이 상세화되는 효과를 보이는 것으로 나타났다.