KR100930622B1 - Ontology Inference System and Method Using Tablo Algorithm - Google Patents

Ontology Inference System and Method Using Tablo Algorithm Download PDF

Info

Publication number
KR100930622B1
KR100930622B1 KR1020080001200A KR20080001200A KR100930622B1 KR 100930622 B1 KR100930622 B1 KR 100930622B1 KR 1020080001200 A KR1020080001200 A KR 1020080001200A KR 20080001200 A KR20080001200 A KR 20080001200A KR 100930622 B1 KR100930622 B1 KR 100930622B1
Authority
KR
South Korea
Prior art keywords
data model
concept
inference
concepts
algorithm
Prior art date
Application number
KR1020080001200A
Other languages
Korean (ko)
Other versions
KR20090075366A (en
Inventor
박영택
최정화
권순현
김제민
서은석
김성찬
Original Assignee
숭실대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 숭실대학교산학협력단 filed Critical 숭실대학교산학협력단
Priority to KR1020080001200A priority Critical patent/KR100930622B1/en
Publication of KR20090075366A publication Critical patent/KR20090075366A/en
Application granted granted Critical
Publication of KR100930622B1 publication Critical patent/KR100930622B1/en

Links

Images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)

Abstract

태블로 알고리즘을 이용한 온톨로지 추론 시스템 및 방법이 개시된다. 구조모델 생성부는 수학적으로 결정가능한 추론을 위해 적재된 온톨로지의 서술 논리를 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경한다. 데이터모델 처리부는 온톨로지 추론에 적합한 기반 구조로 형성된 데이터 모델과 관계 모델이 포함하는 문장들의 구문에 따라 데이터 모델을 간편화 및 최적화하여 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델을 생성한다. 지식베이스에는 데이터 모델, 관계 모델, 개념명세 데이터 모델 및 개념들의 집합명세 데이터 모델이 저장된다. 데이터모델 추론부는 개념명세 데이터 모델을 입력받아 개념들간의 포함관계를 추론한다. 본 발명에 따르면, 실세계 특정 영역에 존재하는 모든 개념들의 정의와 관계를 특정 영역뿐만 아니라 보편 영역의 기본 개념에 대한 정의와 그들의 관계에 대한 명세를 기반으로 사람이 생각하는 수준에서의 새로운 개념과 관계 추론을 사용자 요구에 적합한 합리적인 시간 내에 쉽고 일관되게 할 수 있다.

Figure R1020080001200

온톨로지, 추론, 태블로 알고리즘, 데이터 모델, 개념명세

An ontology inference system and method using a tablo algorithm are disclosed. The structural model generation unit changes the descriptive logic of the ontology loaded for mathematically determinable inference into a data model of inferential structure suitable for use of the tablo algorithm. The data model processor generates the conceptual specification data model and the aggregate specification data model of the concepts by simplifying and optimizing the data model according to the syntax of the sentences included in the data model and the relation model formed with the infrastructure suitable for ontology inference. The knowledge base stores data models, relational models, conceptual data models, and aggregate specification data models of concepts. The data model inference unit inputs the conceptual specification data model and infers the inclusion relationship between the concepts. According to the present invention, the definitions and relationships of all the concepts existing in the real world in the realm are based on the definition of the basic concepts of the general realm as well as the specific realm and the specification of their relationships. Reasoning can be done easily and consistently in a reasonable time that suits the user's needs.

Figure R1020080001200

Ontology, Inference, Tablo Algorithm, Data Model, Conceptual

Description

태블로 알고리즘을 이용한 온톨로지 추론 시스템 및 방법{System and method for reasoning ontology using Tableaux algorithm}System and method for reasoning ontology using Tableaux algorithm}

본 발명은 시맨틱 웹(Semantic Web) 기반의 온톨로지를 사용하여 데이터 모델(TBox : Terminological Box)을 추론하는 엔진에 관한 것으로, 사람이 가지고 있는 특정한 영역의 개념(Class)들에 대한 정의와 관계(Property 또는 Relationship)를 모델링한 온톨로지(Ontology)를 사람이 가지는 사고방식과 비슷한 추론 방법으로 새로운 개념의 유추와 관계 설정을 통한 데이터 모델을 추론(Classification)하는 태블로(Tableaux) 알고리즘을 이용한 온톨로지 추론 시스템 및 방법에 관한 것이다.The present invention relates to an engine that infers a data model (TBox: Terminological Box) using semantic web-based ontology. The present invention relates to definitions and relations of classes of specific areas. Or an ontology inference system using a Tabaux algorithm that infers a data model by inferring a new concept and establishing a relationship in an inference method similar to a way of thinking that has an ontology modeling relationship; It is about a method.

시맨틱 웹은 1998년에 팀 버너스-리(Tim Berners-Lee)가 W3C(world wide web consortium)를 중심으로 제안한 것으로, 컴퓨터 간의 정보교환을 가능하게 하며 웹상의 데이터의 의미를 사람이 아닌 컴퓨터가 이해하고 처리할 수 있게 하는 기술이다. 이러한 시맨틱 웹은 기존의 웹과 구분되는 것이 아니라 웹의 지식 정보에 잘 정의된 의미를 부여함으로써 웹상의 수많은 데이터를 의미 있는 지식 정보로 표현한다. 최근 들어 인터넷의 발전으로 웹상에 정보의 양이 많아짐에 따라 자신이 원 하는 정보를 발견하는 데 매우 많은 시간을 투자해야만 하는 문제가 발생하게 되었다. 이러한 문제를 해결하기 위한 방안으로 현재 구글(Google)과 같은 웹 검색 프로그램의 소프트웨어 에이전트가 사람을 대신하여 검색을 수행하고 있다. The Semantic Web was proposed in 1998 by Tim Berners-Lee around the World Wide Web Consortium (W3C), which enables computers to exchange information and understand the meaning of data on the Web. It is a technology that makes it possible to deal with it. The semantic web is not distinguished from the existing web but gives a well-defined meaning to the knowledge information of the web to express a lot of data on the web as meaningful knowledge information. Recently, as the amount of information on the web increases due to the development of the Internet, a problem arises in that a large amount of time must be invested in finding the desired information. In order to solve this problem, a software agent of a web search program such as Google is currently searching on behalf of a person.

최근 이러한 정보검색시스템의 기술적이고 활용적인 측면이 강조되면서 의미 있는 지식 정보를 어떻게 컴퓨터가 이해하고 처리할 수 있도록 하는가에 연구 방향의 초점이 맞춰지고 있으며, 더불어 최근 국내 학계에서도 높은 관심을 보이면서 관련 분야에 많은 연구가 진행 중이다. 특히 수많은 지식 정보의 저장소 기능을 할 수 있는 웹을 중심으로, 웹상의 지식 정보에 인간의 사고방식을 반영할 수 있는 잘 정의되어 있는 의미(Semantic)를 부여한다면, 현재 컴퓨터를 이용한 정보 검색이나 문서 해석 및 이해가 지능화될 뿐만 아니라 인간의 사고방식과 같은 추론 기능까지 갖출 수 있는 시스템이 개발될 수 있다.Recently, as the technical and practical aspects of the IR system have been emphasized, the research direction has been focused on how the computer can understand and process meaningful knowledge information. Much research is in progress. Especially if the web is able to function as a repository of a lot of knowledge information, and the well-defined semantic that reflects the human mind is given to the knowledge information on the web, information retrieval or documents using the current computer A system can be developed that not only makes interpretation and understanding intelligent, but also has reasoning functions such as human mindset.

특히 온톨로지는 시맨틱 웹의 핵심 기술이자 핵심 구성 요소로서 국외에서는 특정 영역 중심의 도메인(Domain) 온톨로지뿐만 아니라 상위(Upper), 핵심(Core) 온톨로지 등을 실제로 구축하여 시맨틱 웹 기술을 활용한 서비스를 여러 애플리케이션에 활용하는 방법을 모색하고 있다. 현재 W3C 표준인 OWL(Ontology Web Language) 온톨로지는 서술 논리(Description Logic : DL) 모델을 채택하고 있으므로 온톨로지 추론은 서술논리가 가지는 의미 모델에 기초를 두고 있다. 서술 논리는 많은 종류가 연구되고 있으며 사람이 가지고 있는 지식을 표현하는 방식에 따라서 그 종류가 다르다. 가장 기본적인 서술 논리는 ALC 서술 논리이다. 이는 지식을 ∪, ∩, ∃, ∀ 및 ￢만으로 표현한다. 현재 많이 활용되고 있는 OWL DL은 SHOIQ 서술 논리 형식에 기반을 두고 있다. SHOIQ 서술 논리에서, S는 ALC와 개체(Individual)들의 집합간의 관계의 추이(transitive), H는 개체들의 집합들의 관계 사이의 포함 관계(role hierarchies), O는 특정 개체 집합의 제약 사항 명세, I는 개체 간의 역(inverse) 관계, 그리고 Q는 관계를 맺을 수 있는 개체 집합 영역(range)의 최소/최대 범위(qualified number restrictions)이다. In particular, ontology is the core technology and core component of the Semantic Web. In addition, the domain ontology in a certain area can be used to build not only domain ontology but also upper and core ontology. I'm looking for ways to leverage it in my application. The Ontology Web Language (OWL) ontology, the W3C standard, adopts a description logic (DL) model, so ontology inference is based on the semantic model of description logic. There are many kinds of narrative logics, and they differ according to the way people express their knowledge. The most basic description logic is ALC description logic. It expresses knowledge only as ∪, ∩, ∃, ∀ and ￢. OWL DL, which is widely used today, is based on the SHOIQ description logic format. In the SHOIQ descriptive logic, S is the transitive of the relationship between ALC and the set of Individuals, H is the role hierarchies between the sets of the entities, O is the constraint specification of a particular set of entities, I Is the inverse relationship between the entities, and Q is the minimum and maximum qualified number restrictions of the range of entity sets that can be associated.

현재 연구된 국외 온톨로지 추론 엔진 상황은 서술 논리의 구조를 기반으로 추론이 가능한 알고리즘을 활용하여 추론 기능을 구현한다. 최근에는 미국의 Pellet 및 EU의 KAON2의 활용이 점차 증가되고 있는 추세이며, 국내의 상황은 정보검색시스템 관련 개발 기술에서 온톨로지를 어떻게 활용할 것인가에 대한 여러 가지 논의가 계속되고 실험적인 수준에 그치고 있다. 이와 같이 국내외의 온톨로지에 대한 관심이 증대되는 추세에 따라서 국외 추론엔진에 대응할 수 있는 국산 추론엔진의 필요성은 날로 높아지고 있다.The currently studied foreign ontology inference engine situation implements the inference function by using the inference algorithm based on the structure of the narrative logic. Recently, the utilization of Pellet in the US and KAON2 in the EU has been gradually increasing, and the domestic situation continues to be experimental and various discussions on how to use the ontology in information technology development technology. As the interest in ontologies at home and abroad increases, the necessity of domestic inference engines that can cope with foreign inference engines is increasing day by day.

도 1은 종래 기술에 따른 미국의 Maryland 대학에서 연구한 추론엔진 Pellet의 시스템 구조를 도시한 도면이다. Pellet은 태블로(tableaux) 알고리즘에 기초한 SHOIQ 온톨로지 추론을 지원하며, 태블로 알고리즘의 특성상 TBox(Terminology Box : 서술논리를 이용한 데이터 모델) 추론이 우수하다. 또한 OWL 온톨로지를 위한 정당(Sound)하고 완전(Complete)하며 결정가능(Decidable)하고 일반적으로 유효한 추론 서비스를 제공한다. 그리고 불명확한 개체를 처리하기 위해 휴리스틱(Heuristic)을 사용함으로써 OWL 온톨로지에 지원할 수 있는 최대의 표현력을 지원한다. 또한 SWRL(Semantic Web Rule Language) 추론을 지원하며 SPARQL(Simple Protocol and RDF Query Language)을 통한 질의응답이 가능하다.1 is a diagram showing the system structure of the inference engine Pellet studied at the University of Maryland in the United States according to the prior art. Pellet supports SHOIQ ontology inference based on the tablox algorithm, and has excellent TBox (Terminology Box) inference due to the characteristics of the tablo algorithm. It also provides sound, complete, decidable, and generally valid reasoning services for OWL ontology. And by using heuristics to deal with opaque objects, it supports the maximum expressiveness that OWL ontology can support. It also supports SWRL (Semantic Web Rule Language) inference and enables question and answer through SPARQL (Simple Protocol and RDF Query Language).

이러한 Pellet의 두드러진 특징은 문자열 및 숫자 등의 데이터 타입(Datat ype) 추론을 완벽하게 구현하였다는 것이며, 태블로 알고리즘 방식의 추론엔진에 별도의 XSD 추론엔진을 추가하여 데이터 타입에 대한 처리를 수행하고 있다. 또한 DIG(Device Interface Generation) 인터페이스를 지원하여 다른 온톨로지 저작도구들과 통신할 수 있다. 또한 개체 표현의 일관성(Consistency, Satisfiability), 데이터 모델 추론(Classification), 개체가 속할 집합 추론(Realization) 등을 제공한다.The distinguishing feature of Pellet is that it completely implements data type inferences such as strings and numbers, and adds a separate XSD inference engine to the tablo algorithm's inference engine to perform data type processing. have. It also supports the Device Interface Generation (DIG) interface to communicate with other ontology authoring tools. It also provides consistency of entity representation (Consistency, Satisfiability), data model inference (Classification), and set inference (Realization) to which the entity belongs.

도 2는 종래 기술에 따른 독일의 칼스루에(Karlsruhe) 대학에서 연구한 추론엔진 KAON2의 시스템 구조를 도시한 도면이다. KAON2는 기존의 추론엔진에 많이 사용되는 태블로 알고리즘을 사용하지 않고, 자체적인 알고리즘을 사용하여 추론을 수행한다. 기존의 태블로 알고리즘이 효과적인 TBox 추론을 위해 연구되었듯이, KAON2에 적용된 추론 알고리즘은 대용량의 개체 지식베이스(ABox-Assertion Box : DL을 이용한 개체 모델) 추론을 위한 효과적인 알고리즘이다. KAON2는 OWL을 비롯하여 SWRL과 F-Logic에 대한 온톨로지를 직접 다룰 수 있는 기반을 제공한다. 이는 추론 엔진으로서의 기능과 함께 온톨로지로 구성된 지식 베이스에 새로운 지식을 추가, 수정 및 삭제할 수 있는 관리자로서의 기능을 포함한다. FIG. 2 is a diagram illustrating a system structure of the inference engine KAON2 studied at Karlsruhe University in Germany according to the prior art. KAON2 does not use the tablo algorithm, which is widely used in the existing inference engines, and performs inference using its own algorithm. As the previous tablo algorithm has been studied for effective TBox inference, the inference algorithm applied to KAON2 is an effective algorithm for inferring a large-scale ABox-Assertion Box (DL). KAON2 provides the foundation for directly dealing with ontology for SWRL and F-Logic, including OWL. This includes the function as an inference engine, as well as the ability to add, modify, and delete new knowledge in an ontology-based knowledge base.

이상와 같이 특정한 도메인에 대한 사람의 지식 정보에 인간의 사고방식과 같은 추론을 제공하기 위한 목적으로 종래에 개발된 방법들은 성능적인 면에서 다음과 같은 문제점을 갖는다. 먼저 Pellet는 데이터 모델 크기에 따라 온톨로지를 추론엔진에 로딩(Loading)하는 시간이 기하급수적으로 증가한다. 또한 새로운 개체 추론을 위하여 매우 많은 시간과 비용을 요구한다. 다음으로 KAON2는 데이터 모델 추론에 있어서 태블로 알고리즘 기반 추론 엔진을 적용한 추론 시스템보다 성능이 낮다. 또한 초기 데이터의 로드시간이 많이 소요되어 사용자가 요구하는 응답 시간 안에 추론 결과를 도출하지 못한다.As described above, conventionally developed methods for providing inferences, such as human minds, to human knowledge information on a specific domain have the following problems in terms of performance. First, Pellet exponentially increases the time it takes to load the ontology into the inference engine, depending on the size of the data model. It also requires a lot of time and money to infer new individuals. Next, KAON2 has a lower performance than the inference system using the Tablo algorithm-based inference engine in data model inference. In addition, it takes a lot of time to load the initial data, so it is not possible to derive the inference result within the response time required by the user.

본 발명이 이루고자 하는 기술적 과제는, 기존의 웹 서비스에 시맨틱 정보를 연결하고 사용자 환경에 맞는 서비스를 로봇이 직접 추론 가능하고, W3C의 시맨틱 웹 표준을 모두 지원하는 추론이 가능(SHIQ)하며, 소프트웨어 개발자가 쉽게 온톨로지와 규칙을 정의하여 다양한 응용서비스를 개발할 수 있는 요소기술을 지원하고, 대용량 데이터를 사용자 요구에 적합한 합리적인 시간 내에 처리할 수 있는 태블로 알고리즘을 이용한 온톨로지 추론 시스템 및 방법을 제공하는 데 있다.The technical problem to be achieved by the present invention is to connect semantic information to the existing web service, the robot can directly infer the service suitable for the user environment, the reasoning that supports all of the W3C semantic web standards (SHIQ), software To provide ontology inference system and method using tablo algorithm that developers can easily define ontologies and rules to develop various application services and process large amounts of data in a reasonable time suitable for user needs. have.

본 발명이 이루고자 하는 다른 기술적 과제는, 기존의 웹 서비스에 시맨틱 정보를 연결하고 사용자 환경에 맞는 서비스를 로봇이 직접 추론 가능하고, W3C의 시맨틱 웹 표준을 모두 지원하는 추론이 가능(SHIQ)하며, 소프트웨어 개발자가 쉽게 온톨로지와 규칙을 정의하여 다양한 응용서비스를 개발할 수 있는 요소기술을 지원하고, 대용량 데이터를 사용자 요구에 적합한 합리적인 시간 내에 처리할 수 있는 태블로 알고리즘을 이용한 온톨로지 추론 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다.Another technical problem to be achieved by the present invention is to connect semantic information to an existing web service, a robot can directly infer a service suitable for a user environment, and it is possible to infer supporting all of the semantic web standards of W3C (SHIQ). Software developers can easily define ontology and rules to develop various application services, and execute ontology inference method using tablo algorithm on computer that can process large amount of data in a reasonable time suitable for user's needs. The present invention provides a computer-readable recording medium having recorded thereon a program.

상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템은, 수학적으로 결정가능한 추론을 위해 적재된 온톨로지의 서술 논리를 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경하는 구조모델 생성부; 온톨로지 추론에 적합한 기반 구조로 형성된 데이터 모델 과 관계 모델이 포함하는 문장들의 구문에 따라 상기 데이터 모델을 간편화 및 최적화하여 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델을 생성하는 데이터모델 처리부; 상기 데이터 모델, 상기 관계 모델, 상기 개념명세 데이터 모델 및 상기 개념들의 집합명세 데이터 모델이 저장되는 지식베이스; 및 상기 개념명세 데이터 모델을 입력받아 개념들간의 포함관계를 추론하는 데이터모델 추론부;를 구비한다.In order to achieve the above technical problem, the ontology inference system using the tablo algorithm according to the present invention uses a description model of the ontology loaded for mathematically determinable inference into a data model of an inference structure suitable for use of the tablo algorithm. A structural model generator for changing; A data model processor for generating a conceptual specification data model and an aggregate specification data model of the concepts by simplifying and optimizing the data model according to the syntax of the sentences included in the data model and the relation model formed with an infrastructure suitable for ontology inference; A knowledge base for storing the data model, the relationship model, the conceptual specification data model, and the aggregate specification data model of the concepts; And a data model inference unit for receiving the conceptual specification data model and inferring the relationship between the concepts.

상기의 다른 기술적 과제를 달성하기 위한, 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 방법은, (a) 수학적으로 결정가능한 추론을 위해 적재된 온톨로지의 서술 논리를 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경하는 단계; (b) 온톨로지 추론에 적합한 기반 구조로 형성된 데이터 모델과 관계 모델이 포함하는 문장들의 구문에 따라 상기 데이터 모델을 간편화 및 최적화하여 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델을 생성하는 단계; 및 (c) 상기 개념명세 데이터 모델을 기초로 개념들간의 포함관계를 추론하는 단계;를 갖는다.In order to achieve the above technical problem, the ontology inference method using the tablo algorithm according to the present invention includes (a) an inference structure suitable for use of the tablo algorithm for describing the logic of ontology loaded for mathematically determinable inference. Changing to a data model of; (b) simplifying and optimizing the data model according to the syntax of the sentences included in the data model and the relation model formed with the infrastructure suitable for ontology inference to generate the conceptual specification data model and the aggregate specification data model of the concepts; And (c) inferring a containment relationship between concepts based on the conceptual data model.

본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템 및 방법에 의하면, 실세계 특정 영역에 존재하는 모든 개념들의 정의와 관계를 사용자에 의한 수동적인 정의없이 특정 영역뿐만 아니라 보편 영역의 기본 개념에 대한 정의와 그들의 관계에 대한 명세를 기반으로 사람이 생각하는 수준에서의 새로운 개념과 관계 추론을 사용자 요구에 적합한 합리적인 시간 내에 쉽고 일관되게 할 수 있다. 또한 온톨로지 설계에 익숙하지 않은 사용자라도 전산적 처리가 가능한 구조로 지식을 모델링하고 논리적으로 추론하여, 전문적 지식과 서비스를 다른 사용자와 공유하고 재사용할 수 있도록 할 수 있다. According to the ontology inference system and method using the tablo algorithm according to the present invention, the definitions and relationships of all the concepts existing in the real world specific domain, and the definition of the basic concepts of the general domain as well as the specific domain without manual definition by the user and Based on the specification of their relationships, new concepts and relationship inferences at the level of human thinking can be easily and consistently made within a reasonable timeframe that suits user needs. In addition, even users unfamiliar with ontology design can model and logically infer knowledge in a structure that can be processed in a computational manner so that expertise and services can be shared and reused with other users.

이하에서 첨부된 도면들을 참조하여 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.Hereinafter, exemplary embodiments of an ontology inference system and method using a tablo algorithm according to the present invention will be described in detail with reference to the accompanying drawings.

도 3은 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템에 대한 바람직한 실시예의 구성을 도시한 블록도이다.Figure 3 is a block diagram showing the configuration of a preferred embodiment of the ontology inference system using a tablo algorithm according to the present invention.

도 3을 참조하면, 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템은 구조모델 생성부(310), 데이터모델 처리부(320), 지식베이스(330) 및 데이터모델 추론부(340)를 구비한다.Referring to FIG. 3, the ontology inference system using the tablo algorithm according to the present invention includes a structural model generation unit 310, a data model processing unit 320, a knowledge base 330, and a data model inference unit 340. .

구조모델 생성부(310)는 수학적으로 결정가능한 추론을 위해서 온톨로지의 서술 논리를 태블로 알고리즘의 사용에 적합한 추론 구조로 만든다. 이러한 구조모델 생성부(310)는 온톨로지의 서술 논리로부터 의미적 구조 모델을 생성하기 위해 파서(312), 개념 처리기(314) 및 관계 처리기(316)를 구비한다. The structural model generator 310 makes the descriptive logic of the ontology suitable for the use of the tablo algorithm for the reason that can be determined mathematically. The structural model generator 310 includes a parser 312, a concept processor 314, and a relationship processor 316 to generate a semantic structural model from the descriptive logic of the ontology.

파서(312)는 추론하고자 하는 온톨로지가 적재되면, 적재된 온톨로지의 서술 논리를 기계가 처리할 수 있는 서술 논리 구조로 변환한다. 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템의 구조모델 생성부(310)는 사용자 요구에 적합한 합리적인 시간 안의 추론 결과 제공을 고려하여 온톨로지 추론에 적합한 기반 구조로 만들면서 적재하는 종래 기술에서 주로 사용한 온톨로지 파서인 Jena를 사용하지 않고, Rio 파서(312)를 사용함으로써 추론 엔진의 내부 구조에서 불필요한 추론 구조 생성 시간이 발생하지 않도록 한다. When the ontology to be inferred is loaded, the parser 312 converts the description logic of the loaded ontology into a description logic structure that can be processed by the machine. The structural model generator 310 of the ontology inference system using the tablo algorithm according to the present invention is mainly used in the prior art for loading while making an infrastructure suitable for ontology inference in consideration of providing inference results within a reasonable time suitable for user requirements. By not using the ontology parser Jena and using the Rio parser 312, unnecessary inference structure generation time is not generated in the internal structure of the inference engine.

개념 처리기(314)는 온톨로지에 사용자가 정의한 개념들의 명세(지정개념, 비지정개념)와 개념들 간의 관계를 분석하여 추론을 위한 탐색 범위를 좁힐 수 있도록 하기 위해 개념과 그들의 관계 명세를 재정렬하여 지식베이스(330)의 데이터 모델 저장소(332)에 저장한다. 관계 처리기(316)는 개념 처리기(314)에 의해 처리된 개념들의 포함관계(Subsumption Relation)와 동등관계(Equivalence Relation)를 분석하고, 처리되지 않은 개념간의 관계 모델을 분석하여 지식베이스(330)의 관계 모델 저장소(334)에 저장한다. The concept processor 314 rearranges the concepts and their relationship specifications to analyze the specification (designated and non-designated) of the concepts defined by the user in the ontology and the relationship between the concepts to narrow the search scope for inference. Store in the data model repository 332. The relationship processor 316 analyzes the subscription relation and the equivalence relation of the concepts processed by the concept processor 314, and analyzes the relationship model between the unprocessed concepts to determine the knowledge base 330. Stored in relationship model repository 334.

도 4에는 구조모델 생성부(310)에 의해 생성된 의미적 구조 모델의 예가 도시되어 있다.4 illustrates an example of a semantic structural model generated by the structural model generator 310.

도 4를 참조하면, 개념 처리기(314)와 관계 처리기(316)는 파서(312)에 의해 처리된 기계가 이해할 수 있는 서술 논리 구조를 입력받는다. Rio 파서(312)에 의해 처리된 서술 논리 구조는 (주어, 서술어, 목적어)의 3단 구조를 가지고 있다. 예를 들어, "(A 타입 지정개념)"은 "A가 지정개념이다"라는 것을 의미하고, "(R 타입 개념관계)"는 "R이 개념관계이다"라는 것을 의미한다. 이때 개념 처리기(314)는 명확히 지정된 개념이나 관계뿐만 아니라 비지정으로 입력된 개념이나 다른 형태의 관계도 처리한다. 예를 들어, "(node0 타입 비지정개념)", "(node0 타입 제약관계)", "(node0 사용관계 R)", "(node0 전체값 C)" 등과 같은 여러 입력값이 모여 하나의 비지정 개념을 형성한다. 이를 논리형식으로 표현하면 "∀.R.C" 표현되며, 이러한 논리형식이 개념 처리기(314)의 출력값이다. 이러한 방식으로 개념(지정개념, 비지정개념)이나 개념 관계 등이 개념 처리기(314)에 의해 처리된다. 관계 처리기(316)는 개념 처리기(314)에 의해 처리된 개념들의 관계(포함관계, 동등관계, 배타관계)를 처리한다. 예를 들어, "(A 배타관계 B)"는 "지정개념 A와 지정개념 B는 배타관계"라는 것을 의미한다. 또한 "(A 포함관계 node0)"는 "지정개념 A와 비지정개념 node0은 포함관계"라는 것을 의미한다. 이와 같이 관계 처리기(316)는 개념(지정개념, 비지정개념)들 간의 관계를 처리하며, 관계 처리기(316)의 출력값은 "A⊆∀.R.C"와 같이 개념들의 포함관계이다. Referring to FIG. 4, the concept processor 314 and the relationship processor 316 receive a descriptive logic structure that can be understood by the machine processed by the parser 312. The descriptive logic structure processed by the Rio parser 312 has a three-stage structure of (main, predicate, object). For example, "(A type designation concept)" means "A is a designation concept", and "(R type concept relation)" means "R is a concept relationship". At this time, the concept processor 314 processes not only a clearly specified concept or relationship but also a non-specified concept or other type of relationship. For example, a single unspecified concept is made up of several input values such as "(node0 type unspecified concept)", "(node0 type constraint)", "(node0 usage relationship R)", and "(node0 total value C)". To form. When expressed in a logical form, "∀.R.C" is expressed, and this logical form is an output value of the concept processor 314. In this manner, concepts (designated concepts, non-designated concepts), concept relationships, and the like are processed by the concept processor 314. The relationship processor 316 processes the relationships (including relations, equivalences, and exclusive relations) of the concepts processed by the concept processor 314. For example, "(A Exclusive Relationship B)" means "Designated Concept A and Designated Concept B are Exclusive Relationship". In addition, "(A inclusion node0)" means "designated concept A and non-designated node0 are inclusion relations". In this way, the relationship processor 316 processes relationships between concepts (designated concepts and non-designated concepts), and the output value of the relationship processor 316 is an inclusion relationship of concepts such as "A⊆∀.R.C".

데이터모델 처리부(320)는 온톨로지 추론에 적합한 기반 구조로 형성된 데이터 모델과 관계 모델이 포함하는 문장들의 구문에 따라 데이터 모델에 간편화와 최적화를 적용한다. 이를 위해 데이터모델 처리부(320)는 데이터모델 간편화부(322)와 데이터모델 최적화부(324)를 구비한다.The data model processor 320 applies simplicity and optimization to the data model according to the syntax of the sentences included in the data model and the relational model formed in the base structure suitable for ontology inference. To this end, the data model processor 320 includes a data model simplified unit 322 and a data model optimizer 324.

데이터모델 간편화부(322)는 지식베이스(330)의 데이터모델 저장소(332)에 저장되어 있는 데이터 모델에 포함되는 개념 명세를 분석하여 중복적으로 정의된 개념 명세를 논리적인 동등관계로 치환하고 제거함으로써 데이터 모델을 간편화한다. 데이터모델 간편화 기법의 하나인 데이터모델 암호화와 복호화는 동등관계로 연결된 복잡한 개념명세를 임의의 개념으로 데이터 모델을 암호화하고 데이터 모델 중에서 동의어를 대체하여 데이터 모델을 간편화한다. 이때 간편화된 데이터 모델은 데이터 단일화 과정을 통해 단일화된다. 한편 단일화된 항목이외의 개념 명세가 암호화될 수 있으므로, 원래의 개념명세로 복호화를 진행해야 한다. 데이터 복호화 는 데이터 암호화와 대칭되는 과정으로 동의어를 다시 대체하고 대치된 임의의 개념을 원래의 개념으로 복호화하여 최종적으로 데이터 모델을 변환한다. 이를 위해 데이터모델 간편화부(322)는 암호화부(322-1), 단일화부(322-3) 및 복호화부(322-5)를 구비한다.The data model simplification unit 322 analyzes the concept specification included in the data model stored in the data model repository 332 of the knowledge base 330 to replace and remove the redundantly defined concept specification with logical equivalence. This simplifies the data model. Data model encryption and decryption, one of the data model simplification techniques, simplifies the data model by encrypting the data model with an arbitrary concept of complex conceptual details connected in equivalence and replacing synonyms among the data models. The simplified data model is then unified through the data unification process. Meanwhile, conceptual specifications other than unified items may be encrypted, and thus decryption should be performed with the original conceptual specification. Data decryption is a process that is symmetrical with data encryption and replaces synonyms again, decrypts any replaced concept into the original concept and finally transforms the data model. To this end, the data model simplifying unit 322 includes an encryption unit 322-1, a unification unit 322-3, and a decryption unit 322-5.

도 5에는 데이터 모델의 간편화 과정의 일 예가 도시되어 있다.5 shows an example of a simplified process of the data model.

도 5를 참조하면, 암호화부(322-1)는 "B≡∃R.C"의 개념 명세 "∃R.C"를 임의의 개념 "NC1"로 암호화한다. 이러한 암호화부(322-1)의 동작에 의해 데이터 모델 "B≡∃R.C", "A⊆∃R.C∩￢B" 및 "D⊆∃R.C"는 각각 "B≡NC1", "A⊆NC1∩￢B" 및 "D⊆NC1"으로 암호화된다. 다음으로 암호화부(322-1)는 암호화가 적용된 데이터 모델 중에서 동등관계로 연결된 지정개념을 전체의 데이터 모델에 반영한다. 이를 동의어 대체과정이라 하며, 이러한 동의어 대체과정이 완료되면 각각의 암호화된 데이터 모델은 각각 "B≡NC1", "A⊆B∩￢B" 및 "D⊆B"로 대체된다. 도 6에는 동등 개념 치환의 예가 도시되어 있다. 도 6을 참조하면, 하나의 개념 A가 정의되어 있고, 또 다른 A의 개념 명세에 개념 A와 개념 C가 서로 동등하다면, 개념 B의 명세에 개념 A 대신에 개념 C를 배치하고, 개념 A와 개념 C가 서로 동등하다는 명세를 삭제한다. 이러한 동등 개념 치환은 데이터들의 유일성을 보장할 뿐만 아니라, 추론 준비 단계에서도 사용된다. 단일화부(322-3)는 동의어 대체까지 완료된 데이터 모델에 대해 단일화 과정을 수행하여 간편화한다. 이러한 단일화 과정이 수행되면, "A⊆B∩￢B"는 "A⊆⊥"로 간편화된다. 복호화부(322-5)는 간편화된 데이터 모델 중에서 암호화 과정의 진행 중에 사용했던 임의의 개념이 남아있는 데이터 모델에 대해 복호화 과정을 수행하여 임의의 개념을 원래의 개념으로 복원한다. 이를 위해 복호화부(322-5)는 동등관계로 연결된 지정 객체들을 바탕으로 동의어 대체를 진행하고, 초기에 지정했던 임의의 객체(즉, NC1)를 원래의 개념 명세로 변경한다. 따라서 간편화된 최종적인 데이터 모델은 각각 "B≡∃R.C", "A⊆⊥" 및 "D⊆∃R.C"가 된다.Referring to FIG. 5, the encryption unit 322-1 encrypts the concept specification "#RC" of "B # RC" with an arbitrary concept "NC 1 ". Data model by the operation of the encryption unit (322-1) "B≡∃RC", "A⊆∃RC∩¬B" and "D⊆∃RC" are each "B≡NC 1", "A⊆NC 1 ∩￢B "and" D⊆NC 1 ". Next, the encryption unit 322-1 reflects the designated concepts connected in an equal relationship among the data models to which encryption is applied to the entire data model. This is called a synonym substitution process. When this synonym substitution process is completed, each encrypted data model is replaced with "B≡NC 1 ", "A⊆B∩￢B", and "D⊆B", respectively. An example of equivalent concept substitution is shown in FIG. 6. Referring to FIG. 6, if concept A is defined, and concept A and concept C are equivalent to each other in the concept specification of another A, the concept C is placed in the specification of concept B instead of concept A, and Delete the specification that concepts C are equivalent to each other. This equivalence substitution not only ensures the uniqueness of the data, but is also used in the inference preparation phase. The unification unit 322-3 simplifies by performing a unification process on the data model completed until the synonym replacement. When this unification process is performed, "A \ B \ B" is simplified to "A \". The decryption unit 322-5 performs a decryption process on the data model in which the concept used in the encryption process remains in the simplified data model and restores the concept to the original concept. To this end, the decoding unit 322-5 proceeds with synonym substitution based on the designated objects connected in an equivalent relationship, and changes any initially designated object (ie, NC 1 ) to the original conceptual specification. The final data model thus simplified becomes "B \ RC", "A \" and "D \ RC", respectively.

데이터모델 최적화부(324)는 데이터 간편화 과정을 통해 재생성된 데이터모델을 추론 과정에서 개념간의 의미 명세의 충돌(Clash) 및 무한 반복(Incomplete)의 탐색 비용과 시간 증가를 방지하기 위해 데이터 모델을 최적화한다. 이를 위해 데이터모델 최적화부(324)는 데이터모델 분류부(324-1), 개념집합명세 처리부(324-3) 및 데이터모델 정규화부(324-5)를 구비한다. The data model optimizer 324 optimizes the data model to prevent retrieval cost and time increase of clash and infinite completion of semantic specification between concepts during the inference process of the regenerated data model. do. The data model optimizer 324 includes a data model classifier 324-1, a concept set specification processor 324-3, and a data model normalizer 324-5.

데이터모델 분류부(324-1)는 간편화 과정을 거쳐 지식베이스(330)의 데이터모델 저장소(332)에 저장되어 있는 데이터 모델을 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델로 분류한다. 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델은 각각 지식베이스(330)의 개념집합명세 저장소(336) 및 개념명세 저장소(338)에 저장된다. 개념명세 데이터 모델은 서술 논리를 기반으로 하나의 개념에 대한 명세들을 연결하여 개념에 의미를 부여한 것으로 다음과 같은 특징을 갖는다. 첫째, 개념들의 집합 명세가 아닌 경우, 둘째, 개념이 유일한 명세들로 이루어진 경우, 마지막으로 개념의 명세에 포함된 다른 개념들이 자신을 참조하여 명세를 가져 명세 간에 순환을 갖는 경우이다. 개념들의 집합명세 데이터 모델은 개념명세 데이터 모델에 포함되지 않은 데이터 모델의 나머지로서, 서술 논리를 기반으로 특정 개념들의 집합의 명세들을 연결하여 개념들의 집합에 의미를 부여한 것이다. 즉, 집합명세 데이터 모델은 동일한 특징을 지닌 개념들의 집합에 대해 정의한 후 명세를 붙인 것을 의미한다. The data model classification unit 324-1 classifies the data model stored in the data model repository 332 of the knowledge base 330 into a conceptual specification data model and a set specification data model of concepts through a simplified process. The conceptual data model and the aggregated data model of the concepts are stored in the conceptual set specification store 336 and the conceptual store 338 of the knowledge base 330, respectively. The conceptual specification data model attaches meaning to a concept by connecting specifications for a concept based on the description logic. It has the following characteristics. First, when the concept is not an aggregate specification. Second, when a concept consists of unique specifications. Finally, other concepts included in the concept's specification have a reference to themselves and have a cycle between the specifications. The set specification data model of the concept is the rest of the data model which is not included in the concept specification data model, and attaches meaning to the set of concepts by connecting the specifications of the set of specific concepts based on the description logic. In other words, a set specification data model means that a set of concepts with the same characteristics is defined and then added.

한편 개념명세 데이터 모델은 의미적 데이터 모델 추론을 수행할 때 시간과 비용이 늘어나지 않지만, 개념들의 집합명세 데이터 모델은 개념명세 데이터 모델의 특징을 갖게 하기 위해 한 번의 처리가 더 필요하다. 개념들의 집합명세 데이터 모델에 대한 추가적인 처리과정은 개념집합명세 처리부(324-3)에 의해 수행된다. 개념집합명세 처리부(324-3)는 지식베이스부(330)의 개념집합명세 저장소(336)의 개념집합명세들을 개념명세 저장소(338)에 매칭되는 개념명세에 추가한다. 예를 들어 "사과와 배는 수분이 많고 단단하다"는 정의에 대해 "사과와 배"라는 동일한 특징을 지닌 개념들의 집합에 대해 "수분이 많고 단단하다"는 개념이 개념집합명세 저장소(336)에 저장된다. 이때 개념집합명세 처리부(324-3)는 "사과와 배"에 대한 집합명세를 개념명세 저장소(338)에 저장되어 있는 "사과" 및 "배" 명세에 "사과는 수분이 많고 단단하다" 및 "배는 수분이 많고 단단하다"라는 명세를 추가한다. 그리고 개념 A의 개념명세에 개념 B가 포함되고, 개념 B의 개념명세에 개념 A가 포함되는 사이클을 가지는 경우도 개념집합명세 저장소(336)에 저장되며, 개념집합명세 처리부(324-3)는 온톨로지에 정의된 개념명세와 개념집합명세를 분석하여 각 개념의 명세에 추가한다. 따라서 개념집합명세 처리부(324-3)에 의해 모든 처리가 이루어지면, 개념집합명세 저장소(336)에는 아무것도 남지 않게 된다. 이와 같이 개념 집합명세 처리부(324-3)에 의해 추가적인 처리가 이루어진 개념들의 집합명세 데이터 모델은 추론 과정을 단축시키는 구조로 재생성되어 지식베이스(330)의 개념명세 저장소(338)에 저장된다. Conceptual data models, on the other hand, do not increase time and cost when performing semantic data model inference, but aggregate data models of concepts require one more process to characterize the conceptual data model. Further processing of the set specification data model of the concepts is performed by the concept set specification processing unit 324-3. The concept set specification processor 324-3 adds the concept set specifications of the concept set specification store 336 of the knowledge base unit 330 to the concept specification matching the concept specification store 338. For example, the concept of "apple and pear is juicy and hard" is a concept set specification repository (336) for the set of concepts with the same characteristics as "apple and pear." Are stored in. At this time, the concept set specification processing unit 324-3 sets the specification of the "apple and pear" to the "apple" and "pear" specifications stored in the concept specification storage 338, "the apple is juicy and hard" and Add the specification "The belly is juicy and hard." In addition, the case where the concept B is included in the concept specification of Concept A and the concept A is included in the concept specification of Concept B is also stored in the concept set specification store 336, and the concept set specification processing unit 324-3 includes: The concept specification and concept set specification defined in the ontology are analyzed and added to the specification of each concept. Therefore, when all the processing is performed by the concept set specification processing unit 324-3, nothing remains in the concept set specification storage 336. As such, the detailed description data model of the concepts additionally processed by the conceptual detailed description processor 324-3 is reproduced in a structure that shortens the inference process and stored in the detailed description storage 338 of the knowledge base 330.

데이터모델 정규화부(324-5)는 재설계된 개념명세 데이터 모델에 대해 어휘적 표준화 과정을 수행하여 의미적 데이터 모델 추론에 적합한 구조로 재생성한다. 데이터모델 정규화부(324-5)는 개념명세에 재작성 규칙 집합을 적용하여 추론 과정에서 탐색 공간을 확장시키는 논리합(Disjunction) 관계를 논리곱(Conjunction) 관계의 부정으로 명세를 변환하고, EXIST 상관관계를 ALL 상관관계의 부정으로 명세를 변환하여 논리곱 관계로 명세를 정리함으로써, 태블로 추론 알고리즘의 적용시 완전한 트리를 유도하도록 한다.The data model normalization unit 324-5 performs a lexical standardization process on the redesigned conceptual specification data model and regenerates it into a structure suitable for semantic data model inference. The data model normalization unit 324-5 converts the specification from the disjunction relation that expands the search space in the process of inference to the negation of the conjunction relation by applying a rewrite rule set to the conceptual specification, and the EXIST correlation. By converting the specification into a relation of the logical AND by converting the specification to the negation of the ALL correlation, the complete tree is derived when applying the tablo inference algorithm.

도 7에는 지식베이스(330)에 저장되어 있는 데이터 모델과 이로부터 생성되는 개념명세 데이터 모델 및 개념들의 집합명세 데이터 모델의 관계가 도시되어 있다. 도 7을 참조하면, 데이터 모델은 OWL 개념의 지정개념, OWL 개념의 비지정개념, 개념명세 및 개념명세 집합의 지정개념으로 구성된다. 또한 개념명세 데이터 모델은 개념명세 집합의 개념명세, 표준화된 개념의 지정개념의 전개 및 상위 개념 집합의 개념에 인접한 상위 개념으로 구성된다. 또한 개념들의 집합 명세 데이터 모델은 개념명세 집합의 개념명세로 구성된다. FIG. 7 illustrates a relationship between a data model stored in the knowledge base 330, a conceptual specification data model generated therefrom, and a detailed specification data model of concepts. Referring to FIG. 7, the data model is composed of a designation concept of an OWL concept, a non-designation concept of an OWL concept, a concept specification, and a designation concept of a conceptual specification set. The conceptual data model also consists of the concept specification of the concept set, the development of standardized concepts, and the superordinate concepts adjacent to the concept of the parent concept set. In addition, the set specification data model of concepts consists of the concept specification of the concept specification set.

데이터모델 추론부(340)는 데이터모델 간편화 및 최적화를 통해 만들어진 개념명세를 입력받아 개념들간의 포함관계를 추론한다. 이를 위해 데이터모델 추론부(340)는 전처리부(342)와 추론부(344)를 구비한다.The data model inference unit 340 receives the conceptual specification generated through the data model simplification and optimization, and infers the relationship between the concepts. To this end, the data model inference unit 340 includes a preprocessor 342 and an inference unit 344.

전처리부(342)는 탐색부(344-5)의 호출을 적게 하기 위해 확정 트리 모델을 생성하는 역할을 한다. 확정 트리 모델은 상/하위 노드를 구하고자 하는 개념의 명세부분에 포함된 개념들을 상위 개념의 대상으로 검사하여 생성된다. 확정 트리 모델은 개념들의 포함관계를 계산하지 않고(즉, 추론부(344)에 의한 추론을 수행하지 않고) 포함관계를 알 수 있는 집합 모델이다. 하지만 확정 트리 모델을 생성하면서 상/하위 개념을 알지 못했던 개념들은 추론부(344)의 탐색부(344-5)를 통해 이전에 추론부(344)에서 생성되어 루트노드(TOP) 밑에 생성된 모든 개념노드들을 상위 개념의 대상으로 비교한다. 즉 전처리부(342)에 의한 전처리 과정을 수행함으로써 트리의 확장 및 트리 생성 속도를 줄일 수 있다. 이러한 전처리부(342)는 상위개념 수집기(342-1), 개념 정렬기(342-3) 및 계층구조 추론기(342-5)를 갖는다. The preprocessor 342 is responsible for generating a deterministic tree model in order to reduce the calls of the searcher 344-5. The deterministic tree model is created by examining the concepts included in the specification of the concept for which the upper / lower node is to be obtained as the target of the higher concept. The decision tree model is a set model that can know the inclusion relationship without calculating the inclusion relationship of the concepts (ie, without performing inference by the inference unit 344). However, concepts that did not know the parent / child concept while creating the definite tree model were previously generated by the inference unit 344 through the search unit 344-5 of the inference unit 344 and generated under the root node TOP. Compare conceptual nodes to higher level targets. That is, by performing the preprocessing process by the preprocessor 342, the tree can be expanded and the tree generation speed can be reduced. The preprocessor 342 has a higher concept collector 342-1, a concept aligner 342-3, and a hierarchical reasoner 342-5.

상위개념 수집기(342-1)는 개념명세 데이터 모델의 개념들을 추론할 때 태블로 알고리즘의 시간과 비용을 줄이기 위한 추론 순서 모델링을 위해 개념에 인접한 상위개념을 수집한다. 상위개념 수집기(342-1)는 연산 시간이 많이 소모되는 추론 모듈의 호출을 최소화하기 위해 데이터 모델의 개념들의 추론 순서와 개발자가 미리 명시한 상위 개념을 정리한다. 기존의 추론 엔진의 경우 다양한 준비 단계를 거쳐서 추론 시간을 단축하는 효과를 보고 있다. 본 발명에서는 추론 시간 단축을 위해 상위개념 수집기(342-1)가 "개념의 의미 변환"을 이용하여 특정 개념의 상위개념의 최소화를 보장한다. 상위개념 수집기(342-1)는 "개념의 의미 변환"을 이용하여 개념 B가 개념 A를 포함하고 있다는 사실이 개념 명세에 이미 존재하고 있다면, 개념 B와 개념 A에 공통되게 포함된 개념 C는 개념 A에만 존재한다는 사실을 유추 한다. 일반적으로 온톨로지가 대용량화되면서, 개념들의 상위 개념간의 포함관계가 나타난다. 따라서 "개념의 의미 변환"을 추론 준비 단계에 적용함으로써 중복되는 포함관계를 제거한다. The higher concept collector 342-1 collects higher concepts adjacent to the concept for inference order modeling to reduce the time and cost of the tablo algorithm when inferring the concepts of the conceptual specification data model. The high level concept collector 342-1 summarizes the inference order of concepts of the data model and the high level concepts previously specified by the developer in order to minimize the invocation of the inference module that consumes a lot of computation time. Conventional reasoning engines are effective in reducing the reasoning time through various preparation steps. In the present invention, in order to shorten the inference time, the higher concept collector 342-1 ensures the minimization of higher concepts of a specific concept by using “conversion of meaning of a concept”. The high-level collector 342-1 uses a "conversion of the semantics of the concept" and if the fact that the concept B includes the concept A already exists in the concept specification, the concept C commonly included in the concept B and the concept A is Infer the fact that it exists only in concept A. In general, as the ontology becomes larger, the inclusion relations between the higher levels of the concepts appear. Therefore, by applying "conversion of meaning of concept" to the preparation of inference, the overlapping inclusion relation is eliminated.

도 8a 및 도 8b에는 각각 "개념의 의미 변환"을 적용하지 않은 경우와 적용한 경우의 예가 도시되어 있다. 8A and 8B show examples of cases in which " concept semantic transformation of the concept " is not applied and respectively.

도 8a 및 도 8b를 참조하면, "개념의 의미 변환"을 적용하지 않은 경우에 "A⊆B∧C∧D와 B⊆C"가 존재할 때, "A"와 "B"의 상위 개념은 각각 "B, C, D"와 "C"가 된다. 따라서 포함관계 추론을 위한 순서를 계산하기 위해 연산 시간이 추가로 요구된다. 이와 달리 "개념의 의미 변환"을 적용하면, "B⊆C가 존재할 때 B∧C=B"이므로, "A"의 상위 개념은 "B, D"가 된다. 따라서 포함관계 추론을 위한 순서를 계산하는데 소요되는 연산 시간이 절약된다. Referring to FIGS. 8A and 8B, when "A⊆B∧C∧D and B⊆C" are present in the case where the "concept semantic transformation" is not applied, higher concepts of "A" and "B" are respectively applied. "B, C, D" and "C". Therefore, additional computation time is required to calculate the order for inclusion relation inference. On the other hand, when "conversion of meaning of concept" is applied, since "B∧C = B" when B⊆C is present, the upper concept of "A" becomes "B, D". Therefore, the computation time required to calculate the order for inclusion relation inference is saved.

개념 정렬기(342-3)는 의미적 데이터 모델 추론을 위한 전처리작업으로 개념명세의 순서를 정렬한다. 개념 명세의 포함관계는 순서에 의존적이라고 할 수 있다. 따라서 어떤 개념명세를 먼저 처리하느냐에 따라 이후 데이터 모델의 추론시 포함관계 테스트를 호출할 필요가 있거나 없을 수 있다. 이를 위해 개념 정렬기(342-3)는 수학 정렬 알고리즘인 위상정렬 기법을 이용하여 개념명세의 순서를 재조정한다. 재조정된 개념명세의 순서는 확정 트리 모델로 저장되며, 이는 추후 추론노드 탐색의 입력값으로 사용될 수 있다.The concept aligner 342-3 sorts the order of the conceptual specification as a preprocessing operation for the semantic data model inference. Inclusion of the conceptual specification is order dependent. Therefore, depending on which conceptual specification is processed first, it may or may not be necessary to invoke inclusion tests on subsequent inference of the data model. To this end, the concept aligner 342-3 reorders the conceptual specification using a phase alignment technique, which is a mathematical alignment algorithm. The order of the reconstructed conceptual specification is stored as a deterministic tree model, which can be used as an input to the inference node search later.

계층구조 추론기(342-5)는 개념들의 계층 구조 추론을 방향성 비순환 그래프로 표현하며, 개체 및 개체에 정의된 속성의 값을 통한 개념들의 관계를 각각 트리 노드(node)와 간선(edge)으로 표현하여 노드와 간선들의 집합으로 그래프, 즉 의미있는 데이터 모델을 추론한다. 예를 들어, "야채 피자"라는 개체가 "토핑을 가지다"라는 속성값으로 개체 "토마토"를 갖는 경우에, 계층구조 추론기(342-5)는 "토핑을 가지다(야채피자, 토마토)"라는 서술 논리 문장을 기초로 "야채 피자"에서 "토마토"로 가는 간선을 포함하는 그래프를 생성한다. 도 9에는 의미적 데이터 모델 추론의 일 예가 도시되어 있다. Hierarchical reasoning 342-5 expresses the hierarchical reasoning of concepts in a directional acyclic graph, and expresses the relationship between concepts through the values of objects and attributes defined in objects into tree nodes and edges, respectively. Represent a graph, or a meaningful data model, as a set of nodes and edges. For example, if the entity "vegetable pizza" has the entity "tomato" with the attribute value "topping", the hierarchy inference 342-5 has "topping (vegetable pizza, tomato)" Based on the descriptive logic statement, a graph including the edge from "vegetable pizza" to "tomato" is generated. 9 illustrates an example of semantic data model inference.

추론부(344)는 전처리부(342)에 의한 전처리작업을 통해 생성된 확정 트리 모델을 입력받아 추론 노드 탐색을 진행한다. 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템의 추론부(344)에서 사용하는 포함관계 검색 알고리즘은 기존의 추론 모듈에서 사용하는 알고리즘에 비해 높은 효율성을 갖는다. 기존에 포함관계 검색 알고리즘은 개념의 부정(Negative) 정보만을 사용하여 포함관계 검색을 진행하지만, 본 발명의 추론부(344)에서 사용하는 알고리즘은 개념의 부정(Negative) 정보뿐 아니라 긍정(Positive) 정보 및 정보의 전파 모듈을 적용하여 검색 속도를 높일 수 있다. 개념의 부정(Negative) 정보를 사용한 알고리즘은 개념 A가 개념 B를 포함하지 않는다면, 개념 A의 하위 개념들 역시 개념 B를 포함하지 않기 때문에, 하위 개념들과 개념 B의 포함관계를 검사하지 않는다. 또한 긍정(Positive) 정보를 사용한 알고리즘은 개념 A가 개념 B를 포함한다면, 개념 A의 하위 개념들 역시 개념 B를 포함하기 때문에, 차후에 상위 개념과 개념 B의 포함관계를 검사하지 않는다. 따라서 본 발명의 추론부(344)는 이러한 두 개의 정보를 동시에 적용함으로써 좀 더 효율적인 포함관계 추론을 수행할 수 있다. 도 10에는 기 존의 포함 관계 검색 알고리즘과 본 발명에서 구축한 알고리즘의 수행과정이 도시되어 있다. The inference unit 344 receives the definite tree model generated through the preprocessing operation by the preprocessing unit 342 and searches for the inference node. The inclusion relation search algorithm used in the inference unit 344 of the ontology inference system using the tablo algorithm according to the present invention has a higher efficiency than the algorithm used in the existing inference module. Conventionally, the inclusion relation search algorithm performs inclusion relation search using only negative information of a concept, but the algorithm used by the inference unit 344 of the present invention is not only positive information but also positive information of a concept. Information and information propagation modules can be applied to speed up the search. Algorithms that use the concept's negative information do not check the inclusion of subconcepts and B, since the subconcepts of concept A also do not include concept B, unless concept A includes concept B. Also, the algorithm using positive information does not check the inclusion relationship between the higher concept and the concept B after concept A includes concept B, since the sub-concepts of concept A also contain concept B. Therefore, the inference unit 344 of the present invention can perform more efficient inclusion relation inference by applying the two pieces of information at the same time. 10 shows a process of performing an existing inclusion relationship search algorithm and the algorithm constructed in the present invention.

본 발명에서 의미적 데이터 모델 추론은 서술논리 기반의 데이터 모델의 개념들과 다른 개념들 간의 포함관계를 계산하여 데이터 모델의 하나의 개념을 루트 노드로 갖는 하위 모델을 추론하거나 데이터 모델에 정의된 전체 개념들의 계층 모델을 추론하는 방법론이다. 이를 위해 추론부(344)는 초기화부(344-1), 추론전략 선택부(344-3) 및 탐색부(344-5)를 구비한다.In the present invention, the semantic data model inference is to calculate the inclusion relationship between the concepts of the narration-based data model and other concepts to infer a sub-model having one concept of the data model as the root node or to define the entire data model. A methodology for inferring a hierarchical model of concepts. The reasoning unit 344 includes an initialization unit 344-1, an inference strategy selection unit 344-3, and a search unit 344-5.

초기화부(344-1)는 입력된 개념의 초기화 과정을 수행한다. 초기화 과정은 태블로 알고리즘을 적용하기 위해 개념들의 트리 모델을 생성하는 과정이다. 추론전략 선택부(344-3)는 입력받은 온톨로지의 표현력에 적합한 태블로 추론 알고리즘을 선택한다. 그리고 추론전략 선택부(344-3)는 선택된 추론전략을 기초로 태블로 확장규칙을 트리와 각 개념의 노드에 적용한다. 표 1에는 태블로 확장규칙이 기재되어 있다.The initialization unit 344-1 performs an initialization process of the input concept. Initialization is the process of creating a tree model of concepts to apply the Tablo algorithm. The reasoning strategy selection unit 344-3 selects a tablo reasoning algorithm suitable for the expression power of the input ontology. The reasoning strategy selection unit 344-3 applies the tablo expansion rule to the tree and the nodes of each concept based on the selected reasoning strategy. Table 1 lists the tablo expansion rules.

규칙명Rule Name 규칙내용Rules 논리곱 규칙An AND rule if [C1 ∩C2 L(x), x는 간접 방향성 블록되지 않음] & [{C1, C2}⊆L(x)], then [Set L(x)=L(x)∪{C1, C2}]if [C 1 ∩C 2 L (x), x is not indirect directional block] & [{C 1 , C 2 } ⊆L (x)], then [Set L (x) = L (x) ∪ { C 1 , C 2 }] 논리합 규칙Logical Rule if [C1 ∪C2 L(x), x는 간접 방향성 블록되지 않음] & [{C1, C2}∩L(x)=0], then [Set L(x)=L(x)∪{C} for some C∈{C1, C2}]if [C 1 ∪C 2 L (x), x is not indirect directional blocking] & [{C 1 , C 2 } ∩L (x) = 0], then [Set L (x) = L (x) ∪ {C} for some C∈ {C 1 , C 2 }] SOME 규칙SOME Rules if [∃S.C∈L(x), x는 블록되지 않음] & [x는 C∈L(y)와 같은 S-neighbor y를 갖지 않음], then [L(< x, y >)={S}, L(y)={C}의 새로운 노드 y 생성]if [∃SC∈L (x), x does not block] & [x does not have an S-neighbor y like C∈L (y)], then [L (<x, y>) = {S }, Create new node y with L (y) = {C}] ALL 규칙ALL rules if [∀S.C∈L(x), x는 간접 블록이 아님] & [C

Figure 112008000715746-pat00001
L(y)와 같은 S-neighbor 가 존재], then [Set L(y)=L(y)∪{C}]if [∀SC∈L (x), x is not an indirect block] & [C
Figure 112008000715746-pat00001
S-neighbor like L (y) exists], then [Set L (y) = L (y) ∪ {C}] 추이 규칙Transition rule if [∀S.C∈L(x), x는 간접 방향성 블록되지 않음] & [Trans(R)이고, R Trans ⊆S인 R이 존재] & [[∀R.C
Figure 112008000715746-pat00002
L(y)인 x의 R-neighbor인 y가 존재], then [Set L(y)=L(y)∪{∀R.C}]if [∀SC∈L (x), x is indirect directional unblocked] & [Trans (R), R with R Trans ⊆S is present] & [[∀RC
Figure 112008000715746-pat00002
Y, which is the R-neighbor of x that is L (y)], then [Set L (y) = L (y) ∪ {∀RC}] Choose 규칙Choose rule if [∀S.C∈L(x), x는 간접 방향성 블록되지 않음] & [{C, ￢C}∩L(y)=0과 같은 x의 S-neighbor인 y가 존재], then [Set L(y)=L(y)∪{E} for some E∈{C, ￢C}]if [∀SC∈L (x), x is not indirect directional blocking] & [there is y, the S-neighbor of x, such as {C, ￢C} ∩L (y) = 0], then [Set L (y) = L (y) ∪ {E} for some E∈ {C, ￢C}] MAX 규칙MAX rules if [(
Figure 112008000715746-pat00003
nS.C)∈L(x), x는 블록되지 않음] & [C∈L(yi), yi≠yj에 대해 1≤i<j≤n인 x의 S-neighbor인 y1, …, yn이 존재하지 않음], then [L(<x,y>)={S}, L(yi)={C}, yi≠yj가 1≤i<j≤n인 n개의 새로운 노드들(y1, …, yn) 생성]if [(
Figure 112008000715746-pat00003
nS.C) ∈L (x), x is not blocked] & [C∈L (y i ), y 1 , the S-neighbor of x with 1 ≦ i < j ≦ n for y i ≠ y j , … , y n does not exist], then [L (<x, y>) = {S}, L (y i ) = {C}, where n i where y i ≠ y j is 1≤i <j≤n Create new nodes y 1 ,…, y n ] MIN 규칙MIN Rules if [(
Figure 112008000715746-pat00004
nS.C)∈L(z), z는 간섭 방향성 블록되지 않음] & [#SG(z,C)>n, C∈L(x)∩L(y), x≠y가 아닌 z의 두 개의 S-neighbor x, y가 존재], then [if x가 norminal 노드인 경우에 Merge(y,x) 수행] & [else if yㄱ가L norminal 노드이거나 x의 조상이면 Merge(x,y) 수행] & [else Merge(y,x) 수행]if [(
Figure 112008000715746-pat00004
nS.C) ∈L (z), z is not interference directional block] &[#S G (z, C)> n, C∈L (x) ∩L (y), of z not x ≠ y Two S-neighbors x, y exist], then [perform Merge (y, x) if if x is a norminal node] & [else if yL is an L norminal node or an ancestor of x Merge (x, y )] & [Perform else Merge (y, x)]

탐색부(344-5)는 추론 노드 탐색시 필요한 포함관계를 검사하며, 입력된 두 개의 특정 개념 사이의 포함관계의 정당성(Satisfiability)에 대한 참, 거짓을 반환한다. 이를 위해 탐색부(344-5)는 실제 개념계층을 추론하며, 특정 개념의 상위개념을 추론해 내는 과정인 상위개념 검색과 특정 개념의 하위개념을 추론해 내는 과정인 하위개념 검색을 통해 개념계층을 추론한다. 탐색부(344-5)에 의한 추론 결과는 추론 트리 모델의 형태를 갖는다. 이때 추론 트리 모델은 개념들의 포함관계를 확정지을 명세가 부족하여 추론부(344)의 추론을 적용하여 포함관계를 추론하는 집합 모델이다. The search unit 344-5 checks the inclusion relationship necessary for searching for the inference node, and returns true or false about the satisfiability of the inclusion relationship between two specific concepts. To this end, the searcher 344-5 infers the actual conceptual hierarchy, and searches for the conceptual hierarchy through the subordinate concept retrieval, which is the process of deriving the subordinate concept of the specific concept and the subordinate concept retrieval. Infer The inference result by the search unit 344-5 has the form of an inference tree model. In this case, the inference tree model is a set model that infers the inclusion relationship by applying the inference of the inference unit 344 due to the lack of specification for determining the inclusion relationship of the concepts.

본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템은 구조모델 생성부(310)와 데이터모델 처리부(320)에 의해 추론 데이터를 최적화함으로써, 개념간의 불필요한 포함관계 검사시간이 단축되고 추론의 문제인 탐색 공간이 줄어들게 된다. 만약 다음과 같은 이론 1 및 이론 2의 적용 전에 데이터 모델의 개념 명세(Axiom)들이 본 발명에 따른 추론 이론에 기초하여 포함되는 순으로 정렬되어 있다면 포함관계를 검사하는 데 더 효율적이다. 즉 트리의 최상위 노드에 온톨로지의 TOP으로 매칭하고, TOP에 가까운 개념, 즉 부모 노드를 적게 가지는 개념부터 최상위 노드 밑으로 계층 설계를 한다면 이론 2를 수행하는 데 최적의 기반 구조를 갖게 된다. 도 11a 및 도 11b에는 각각 한정된 정렬(Definition Order)이라 불리는 정렬된 데이터 모델의 예 및 이에 기초한 추론과정의 일 예가 도시되어 있다. 도 11a에 도시된 한정된 정렬은 {TOP, Male, Female, Mother, Parent, WetNurse, TOP}으로 표현될 수 있다. The ontology inference system using the tablo algorithm according to the present invention optimizes the inference data by the structural model generator 310 and the data model processor 320, thereby reducing unnecessary inclusion relation checking time between concepts and searching spaces that are a problem of inference. Will be reduced. If the conceptual specifications of the data model are arranged in the order in which they are included based on the inference theory according to the present invention before the application of theory 1 and theory 2 as follows, it is more efficient to check the inclusion relationship. That is, if the top node of the tree is matched with TOP of ontology, and if the concept is close to TOP, that is, the concept of having fewer parent nodes, and hierarchical design under the top node, it has the optimal infrastructure to perform theory 2. 11A and 11B show an example of an ordered data model called a defined order and an example of an inference process based thereon, respectively. The limited alignment shown in FIG. 11A may be expressed as {TOP, Male, Female, Mother, Parent, WetNurse, TOP}.

[이론 1][Theory 1]

(i) 개념 A와 개념 B가 개체 x 노드의 레이블에 포함(개체 x는 개념 A와 개념 B의 개체임)되는 경우, (ii) 어떤 개체 x 노드의 레이블에 개념 A가 포함되고 x에서 y로 뻗는 간선이 있는데, 개체 y 노드의 레이블에 포함되는 모든 개념들이 개념 B를 포함하는 경우이다. (i) if concept A and concept B are included in the label of entity x node (object x is an entity of concept A and concept B), (ii) the label of any entity x node contains concept A and x in y There is an edge extending to, where all concepts included in the label of the entity y node include concept B.

[이론 2][Theory 2]

(i) 상위 검색에서 개념 A가 개념 B에 포함되지 않는다면, 개념 A는 개념 B에 포함되는 다른 개념들에 대해서 포함관계 검사를 할 필요가 없으며, (ii) 하위 검색에서 개념 A가 개념 B를 포함한다면, 개념 B에 포함되는 다른 개념들에 대해서 개념 A와 포함관계를 검사할 필요가 없이 그 개념들은 모두 개념 A에 포함됨을 추론할 수 있다.(i) If concept A is not included in concept B in the parent search, concept A does not need to check the inclusion relations for the other concepts included in concept B, and (ii) concept A uses concept B in the subsearch. If included, one can infer that concepts are all included in Concept A without having to examine Concept A and its inclusion relationships for other concepts included in Concept B.

이와 같은 이론 1에 의해 그래프가 형성되면 의미적 추론(Classification)이 되었다고 한다. 즉 의미적 데이터 모델 추론은 데이터 모델 최적화 단계를 끝낸 데이터 모델에 개념들이 가지는 필요충분 조건에 의해 각 개념간의 포함 관계를 재계산하여 추론하는 것이다. 또한 상관관계 검사의 전이(Transitive)와 재귀(Reflexive) 관계의 특성에 의해 이론 1을 만족할 경우 개념 A는 개념 B를 포함(Subsumption)한다고 결론내릴 수 있다. 또한 이론 2를 통해 개념간의 포함관계를 추론할 수 있다.When the graph is formed by theory 1, it is said to be semantic classification. In other words, semantic data model inference is to recalculate the inclusion relationship between concepts based on the necessary and sufficient conditions of the concepts in the data model after the data model optimization stage. In addition, it can be concluded that concept A includes concept B when the theory 1 is satisfied by the characteristics of the transitive and reflexive relationship of the correlation test. In addition, theory 2 can be used to infer the interrelationship between concepts.

탐색부(344-5)는 한정된 정렬의 정렬순서대로 개체 지식베이스(ABox)의 일관성 검사와 데이터 모델(TBox)의 정당성(Satisfiability) 검사를 통해서 추론을 하게 된다. 3단계의 추론 모듈에서 호출되는 포함관계 검사는 개체를 대상으로 그래프의 노드를 생성하여 완전하고 충돌(Clash)이 없는 완전한 트리가 생성되면 그 노드에 레이블로 포함된 개념(즉 개체가 속하는 개념)들의 포함 관계를 가지고 데이터 모델의 계층을 재생성하여 추론하게 된다.The search unit 344-5 makes inferences through the consistency check of the individual knowledge base (ABox) and the justification (Satisfiability) test of the data model (TBox) in a limited sorting order. The containment check, called from the inference module in step 3, creates a node of the graph for the object, creating a complete, collision-free tree, and containing that label as a label (that is, the object to which the object belongs). The regression of the data model is inferred by the inclusion relationship of the two.

이때 이론 2에 근거하여 포함관계 검사는 모든 노드에 대해 수행되지 않으며, 현 노드의 부모 개념에서 검사한 결과는 캐시(Cache)에 저장되어 하위 개념에서 참조하게 된다. 포함관계 검사 방법은 두 노드를 통합(Merge)하였을 때 완전하고 충돌이 발생하지 않으면, 트리를 확장하고 각 노드의 레이블에 포함된 개념에 상위 개념과 하위 개념을 캐시에 저장한다. 이러한 통합 알고리즘은 이론 3과 같고, 도 12에는 통합 알고리즘의 수행예가 도시되어 있다. 도 12를 참조하면, 개념 Mother가 개념 Female에 포함되는지 포함관계를 검사하는 과정은 다음과 같다. 먼저, Mother∩￢Female을 계산한다. 이때 개념에 개체가 없는 경우에 더미(Dummy) 노드를 만들어 그래프를 생성한다. 도 12에 도시된 예의 경우에는 두 노드를 통합할 수 있으므로, 개념 Mother는 개념 Female을 포함한다.At this time, the containment check is not performed on all nodes based on theory 2, and the result of checking in the parent concept of the current node is stored in a cache and referred to by a lower concept. The containment checking method expands the tree and caches the high and low concepts in the cache of the concepts contained in the labels of each node if the two nodes merge and are complete and not conflicting. This integrated algorithm is the same as theory 3, and Fig. 12 shows an example of the implementation of the integrated algorithm. Referring to FIG. 12, a process of checking an inclusion relation as to whether a concept Mother is included in a concept Female is as follows. First, calculate Mother∩￢Female. If there are no objects in the concept, a dummy node is created to create a graph. In the case of the example shown in FIG. 12, since the two nodes can be integrated, the concept Mother includes the concept Female.

[이론 3][Theory 3]

(i) 개념 A가 개념 B에 포함되며, A∩￢B를 계산하여 충돌(개체의 레이블에 개념 C와 개념 C의 부정이 존재)이 발생하지 않으면, 개념 A와 개념 B는 통합된다.(i) Concept A is included in Concept B, and if A∩￢B is calculated and there is no conflict (the negation of Concept C and Concept C in the object's label), Concept A and Concept B are integrated.

이러한 이론 3이 수행되기 전에 일관성 검사가 수행되며, 일관성있는 개체의 경우 TOP 밑에 분류되고 일관성이 깨지는 개체의 경우는 BOTTOM 밑에 분류된다. 즉 일관성이 깨지는 경우는 추론을 수행하지 않게 된다.Consistency checks are performed before these theories 3 are carried out. Consistent entities are classified under TOP and those with inconsistent entities classified under BOTTOM. In other words, if the consistency is broken, inference is not performed.

도 13은 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.13 is a flowchart illustrating a preferred embodiment of the ontology inference method using a tablo algorithm according to the present invention.

도 13을 참조하면, 파서(312)는 추론하고자 하는 온톨로지가 적재되면, 적재된 온톨로지의 서술 논리를 기계가 처리할 수 있는 서술 논리 구조로 변환한다(S1300). 개념 처리기(314)는 온톨로지에 사용자가 정의한 개념들의 명세와 개념들 간의 관계를 분석하여 추론을 위한 탐색 범위를 좁힐 수 있도록 하기 위해 개념과 그들의 관계 명세를 재정렬하여 지식베이스(330)의 데이터 모델 저장소(332)에 저장한다(S1310). 관계 처리기(316)는 개념 처리기(314)에 의해 처리된 개념들의 포함관계(Subsumption Relation)와 동등관계(Equivalence Relation)를 분석하고, 처리되지 않은 개념간의 관계 모델을 분석하여 지식베이스(330)의 관계 모델 저장소(334)에 저장한다(S1320). Referring to FIG. 13, when the ontology to be inferred is loaded, the parser 312 converts the description logic of the loaded ontology into a description logic structure that can be processed by the machine (S1300). The concept processor 314 analyzes the specification of the concepts defined by the user in the ontology and the relationships among the concepts, and rearranges the concepts and their relationship specifications in order to narrow the search scope for inference. In operation S1310, the operation is stored at 332. The relationship processor 316 analyzes the subscription relation and the equivalence relation of the concepts processed by the concept processor 314, and analyzes the relationship model between the unprocessed concepts to determine the knowledge base 330. It is stored in the relationship model repository 334 (S1320).

다음으로 데이터모델 간편화부(322)는 지식베이스(330)의 데이터모델 저장소(332)에 저장되어 있는 데이터 모델에 포함되는 개념 명세를 분석하여 중복적으로 정의된 개념 명세를 논리적인 동등관계로 치환하고 제거함으로써 데이터 모델을 간편화한다(S1330). 도 14에는 데이터모델 간편화부(322)에 의한 데이터 모델의 간편화 과정이 도시되어 있다. 도 14를 참조하면, 암호화부(322-1)는 데이터 모델의 특정한 개념 명세를 임의의 개념으로 암호화한다(S1400). 다음으로 암호화부(322-1)는 암호화가 적용된 데이터 모델 중에서 동등관계로 연결된 지정개념을 전체의 데이터 모델에 반영한다(S1410). 단일화부(322-3)는 동의어 대체까지 완료된 데이터 모델에 대해 단일화 과정을 수행하여 간편화한다(S1420). 복호화부(322-5)는 간편화된 데이터 모델 중에서 암호화 과정의 진행 중에 사용했던 임의의 개념이 남아있는 데이터 모델에 대해 복호화 과정을 수행하여 임의의 개념을 원래의 개념으로 복원한다(S1430). Next, the data model simplifying unit 322 analyzes the concept specification included in the data model stored in the data model repository 332 of the knowledge base 330 and replaces the redundantly defined concept specification with logical equivalence. And simplify the data model by removing (S1330). FIG. 14 illustrates a process of simplifying the data model by the data model simplifying unit 322. Referring to FIG. 14, the encryption unit 322-1 encrypts a specific conceptual specification of the data model with an arbitrary concept (S1400). Next, the encryption unit 322-1 reflects the designated concepts connected in an equal relationship among the data models to which the encryption is applied to the entire data model (S1410). The unification unit 322-3 simplifies by performing a unification process on the data model completed until the synonym replacement (S1420). The decryption unit 322-5 restores an arbitrary concept to the original concept by performing a decryption process on a data model in which the concept used in the encryption process remains in the simplified data model (S1430).

데이터모델 최적화부(324)는 데이터 간편화 과정을 통해 재생성된 데이터모델을 추론 과정에서 개념간의 의미 명세의 충돌(Clash) 및 무한 반복(Incomplete)의 탐색 비용과 시간 증가를 방지하기 위해 데이터 모델을 최적화한다(S1340). 도 15에는 데이터모델 최적화부(324)에 의한 데이터 모델 최적화 과정이 도시되어 있다. 도 15를 참조하면, 데이터모델 분류부(324-1)는 간편화 과정을 거쳐 지식베이스(330)의 데이터모델 저장소(332)에 저장되어 있는 데이터 모델을 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델로 분류한다(S1500). 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델은 각각 지식베이스(330)의 개념집합명세 저장소(336) 및 개념명세 저장소(338)에 저장된다(S1510). 개념집합명세 처리부(324-3)는 개념들의 집합명세 데이터 모델을 개념명세 데이터 모델의 특징을 갖도록 추론 과정을 단축시키는 구조로 재생성하여 지식베이스(330)의 개념명세 저장소(338)에 저장한다(S1520). 데이터모델 정규화부(324-5)는 재설계된 개념명세 데이터 모델에 대해 어휘적 표준화 과정을 수행하여 의미적 데이터 모델 추론에 적합한 구조로 재생성한다(S1530). The data model optimizer 324 optimizes the data model to prevent retrieval cost and time increase of clash and infinite completion of semantic specification between concepts during the inference process of the regenerated data model. (S1340). 15 illustrates a data model optimization process by the data model optimizer 324. Referring to FIG. 15, the data model classification unit 324-1 may simplify the data model stored in the data model repository 332 of the knowledge base 330 through a simplified process. Classified as (S1500). The conceptual data model and the aggregate detailed data model of the concepts are stored in the conceptual set specification repository 336 and the conceptual specification repository 338 of the knowledge base 330, respectively (S1510). The concept set specification processing unit 324-3 regenerates the detailed specification data model of the concepts into a structure that shortens the inference process so as to have the characteristics of the concept specification data model and stores it in the concept specification storage 338 of the knowledge base 330 ( S1520). The data model normalization unit 324-5 performs a lexical standardization process on the redesigned conceptual specification data model and regenerates it into a structure suitable for semantic data model inference (S1530).

다음으로 전처리부(342)는 추론을 위한 전처리 작업을 수행한다(S1350). 도 16에는 전처리부(342)에 의한 전처리 과정이 도시되어 있다. 도 16을 참조하면, 상위개념 수집기(342-1)는 개념명세 데이터 모델의 개념들을 추론할 때 태블로 알고리즘의 시간과 비용을 줄이기 위한 추론 순서 모델링을 위해 개념에 인접한 상위개념을 수집한다(S1600). 개념 정렬기(342-3)는 의미적 데이터 모델 추론을 위한 전처리작업으로 개념명세의 순서를 정렬한다(S1610). 계층구조 추론기(342-5)는 개념들의 계층 구조 추론을 방향성 비순환 그래프로 표현하며, 개체 및 개체에 정의된 속성의 값을 통한 개념들의 관계를 각각 트리 노드(node)와 간선(edge)으로 표현하여 의미있는 데이터 모델을 추론한다(S1620). Next, the preprocessor 342 performs a preprocessing operation for inference (S1350). 16 illustrates a pretreatment process by the preprocessor 342. Referring to FIG. 16, when inferring concepts of the conceptual data model, the higher concept collector 342-1 collects higher concepts adjacent to the concept for inference order modeling to reduce the time and cost of the tablo algorithm (S1600). ). The concept aligner 342-3 sorts the order of the conceptual specification as a preprocessing operation for the semantic data model inference (S1610). Hierarchical reasoning 342-5 expresses the hierarchical reasoning of concepts in a directional acyclic graph, and expresses the relationship between concepts through the values of objects and attributes defined in objects into tree nodes and edges, respectively. Expresses a meaningful data model by expressing it (S1620).

추론부(344)는 전처리부(342)에 의한 전처리작업을 통해 생성된 확정 트리모델을 입력받아 추론 노드 탐색을 진행한다(S1360). 도 17에는 추론부(344)에 의한 추론 노드 탐색 과정이 도시되어 있다. 도 17을 참조하면, 초기화부(344-1)는 입력된 개념의 초기화 과정을 수행하여 태블로 알고리즘을 적용하기 위한 개념들의 트리 모델을 생성한다(S1700). 추론전략 선택부(344-3)는 입력받은 온톨로지의 표현력에 적합한 태블로 추론 알고리즘을 선택한다(S1710). 다음으로 추론전략 선택부(344-3)는 선택된 추론전략을 기초로 태블로 확장규칙을 트리와 각 개념의 노드에 적용한다(S1720). 탐색부(344-5)는 특정 개념의 상위개념을 추론해 내는 과정인 상위개념 검색과 특정 개념의 하위개념을 추론해 내는 과정인 하위개념 검색을 통해 개념계층을 추론한다(S1730). The inference unit 344 receives the definite tree model generated through the preprocessing operation by the preprocessing unit 342 and proceeds to the inference node search (S1360). FIG. 17 illustrates a process of searching for a reasoning node by the reasoning unit 344. Referring to FIG. 17, the initialization unit 344-1 generates a tree model of concepts for applying a tablo algorithm by performing an initialization process of an input concept (S1700). The reasoning strategy selection unit 344-3 selects a tablo reasoning algorithm suitable for the expression power of the input ontology (S1710). Next, the reasoning strategy selection unit 344-3 applies the tablo expansion rule to the tree and the nodes of each concept based on the selected reasoning strategy (S1720). The searcher 344-5 infers the concept hierarchy through the upper concept search, which is a process of inferring a higher concept of a specific concept, and the lower concept search, which is a process of inferring a lower concept of a specific concept (S1730).

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The invention can also be embodied as computer readable code on a computer readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored. Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage, and the like, and may also be implemented in the form of a carrier wave (for example, transmission over the Internet). Include. The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.Although the preferred embodiments of the present invention have been shown and described above, the present invention is not limited to the specific preferred embodiments described above, and the present invention belongs to the present invention without departing from the gist of the present invention as claimed in the claims. Various modifications can be made by those skilled in the art, and such changes are within the scope of the claims.

도 1은 종래 기술에 따른 미국의 Maryland 대학에서 연구한 추론엔진 Pellet의 시스템 구조를 도시한 도면,1 is a diagram showing the system structure of the inference engine Pellet studied at the University of Maryland in the United States of the prior art,

도 2는 종래 기술에 따른 독일의 칼스루에(Karlsruhe) 대학에서 연구한 추론엔진 KAON2의 시스템 구조를 도시한 도면,FIG. 2 is a diagram illustrating a system structure of the inference engine KAON2 studied at the Karlsruhe University in Germany according to the prior art; FIG.

도 3은 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 시스템에 대한 바람직한 실시예의 구성을 도시한 블록도,3 is a block diagram showing the configuration of a preferred embodiment of the ontology inference system using a tablo algorithm according to the present invention;

도 4는 구조모델 생성부(310)에 의해 생성된 의미적 구조 모델의 예를 도시한 도면,4 is a diagram illustrating an example of a semantic structural model generated by the structural model generator 310;

도 5는 데이터 모델의 간편화 과정의 일 예를 도시한 도면,5 is a diagram illustrating an example of a process of simplifying a data model;

도 6은 동등 개념 치환의 예를 도시한 도면,6 shows an example of an equivalent concept substitution;

도 7은 지식베이스(330)에 저장되어 있는 데이터 모델과 이로부터 생성되는 개념명세 데이터 모델 및 개념들의 집합명세 데이터 모델의 관계를 도시한 도면,FIG. 7 is a diagram illustrating a relationship between a data model stored in the knowledge base 330, a conceptual specification data model generated therefrom, and an aggregate specification data model of concepts.

도 8a 및 도 8b는 각각 "개념의 의미 변환"을 적용하지 않은 경우와 적용한 경우의 예를 도시한 도면,8A and 8B are diagrams showing examples of applying and not applying "meaning transformation of concepts", respectively;

도 9는 의미적 데이터 모델 추론의 일 예를 도시한 도면,9 illustrates an example of semantic data model inference;

도 10은 기존의 포함 관계 검색 알고리즘과 본 발명에서 구축한 알고리즘의 수행과정을 도시한 도면,FIG. 10 is a diagram illustrating an execution process of an existing inclusion relation search algorithm and the algorithm constructed in the present invention; FIG.

도 11a 및 도 11b는 각각 한정된 정렬(Definition Order)이라 불리는 정렬된 데이터 모델의 예 및 이에 기초한 추론과정의 일 예를 도시한 도면,11A and 11B illustrate an example of an ordered data model called a defined order and an example of an inference process based thereon, respectively;

도 12는 통합 알고리즘의 수행예를 도시한 도면,12 shows an example of performing an integrated algorithm;

도 13은 본 발명에 따른 태블로 알고리즘을 이용한 온톨로지 추론 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도,13 is a flowchart illustrating a preferred embodiment of the ontology inference method using a tablo algorithm according to the present invention;

도 14는 데이터모델 간편화부(322)에 의한 데이터 모델의 간편화 과정을 도시한 도면,14 is a view illustrating a process of simplifying a data model by the data model simplifying unit 322;

도 15는 데이터모델 최적화부(324)에 의한 데이터 모델 최적화 과정을 도시한 도면,15 is a view illustrating a data model optimization process by the data model optimization unit 324;

도 16은 전처리부(342)에 의한 전처리 과정을 도시한 도면, 그리고,16 is a diagram illustrating a preprocessing process by the preprocessor 342, and

도 17은 추론부(344)에 의한 추론 노드 탐색 과정을 도시한 도면이다.17 is a diagram illustrating a process of searching for inference nodes by the inference unit 344.

Claims (18)

수학적으로 결정가능한 추론을 위해 적재된 온톨로지의 서술 논리를 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경하는 구조모델 생성부;A structural model generator for changing the descriptive logic of the ontology loaded for mathematically determinable into a data model of an inferential structure suitable for use of the tablo algorithm; 온톨로지 추론에 적합한 기반 구조로 형성된 데이터 모델과 관계 모델이 포함하는 문장들의 구문에 따라 상기 데이터 모델을 간편화 및 최적화하여 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델을 생성하는 데이터모델 처리부; A data model processor for generating a conceptual specification data model and an aggregate specification data model of the concepts by simplifying and optimizing the data model according to the syntax of the sentences included in the data model and the relation model formed with an infrastructure suitable for ontology inference; 상기 데이터 모델, 상기 관계 모델, 상기 개념명세 데이터 모델 및 상기 개념들의 집합명세 데이터 모델이 저장되는 지식베이스; 및A knowledge base for storing the data model, the relationship model, the conceptual specification data model, and the aggregate specification data model of the concepts; And 상기 개념명세 데이터 모델을 입력받아 개념들간의 포함관계를 추론하는 데이터모델 추론부;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.An ontology inference system using a tablo algorithm, comprising: a data model inference unit for receiving the conceptual data model and inferring a relationship between the concepts. 제 1항에 있어서,The method of claim 1, 상기 구조모델 생성부는,The structural model generation unit, 상기 적재된 온톨로지의 서술 논리를 기계가 처리할 수 있는 서술 논리 구조로 변환하는 파서;A parser for converting the descriptive logic of the loaded ontology into a descriptive logic structure that can be processed by a machine; 상기 적재된 온톨로지에 사용자가 정의한 개념들의 명세와 개념들 간의 관계를 분석하여 추론을 위한 탐색 범위를 좁힐 수 있도록 하기 위해 개념과 그들의 관계 명세를 재정렬하여 상기 지식베이스의 데이터 모델 저장소에 저장하는 개념 처 리기; 및Concept processing that rearranges concepts and their relationship specifications and stores them in the data model repository of the knowledge base in order to narrow the search scope for inference by analyzing the specification of the concepts defined by the user and the relationships among the concepts defined in the loaded ontology. Rigi; And 상기 개념 처리기에 의해 처리된 개념들의 포함관계(Subsumption Relation)와 동등관계(Equivalence Relation)를 분석하고, 처리되지 않은 개념간의 관계 모델을 분석하여 상기 지식베이스의 관계 모델 저장소에 저장하는 관계 처리기;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.A relationship processor that analyzes a relation relation and equivalence relation of concepts processed by the concept processor, analyzes a relationship model between unprocessed concepts, and stores them in a relationship model repository of the knowledge base; Ontology reasoning system using a tablo algorithm, characterized in that it comprises a. 제 2항에 있어서,The method of claim 2, 상기 파서는 Rio 파서인 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.The parser is an ontology inference system using a tablo algorithm, characterized in that the Rio parser. 제 1항에 있어서,The method of claim 1, 상기 데이터모델 처리부는,The data model processing unit, 상기 지식베이스의 데이터모델 저장소에 저장되어 있는 데이터 모델에 포함되는 개념 명세를 분석하여 중복적으로 정의된 개념 명세를 논리적인 동등관계로 치환하고 제거함으로써 데이터 모델을 간편화하는 데이터모델 간편화부; 및A data model simplification unit that simplifies the data model by analyzing the concept specification included in the data model stored in the data model repository of the knowledge base and replacing and removing the redundantly defined concept specification with logical equivalence; And 상기 데이터모델 간편화부에 의해 재생성된 데이터 모델을 추론 과정에서 개념간의 의미 명세의 충돌(Clash) 및 무한 반복(Incomplete)의 탐색 비용과 시간 증가를 방지하기 위해 데이터 모델을 최적화하는 데이터모델 최적화부;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.A data model optimizer for optimizing the data model to prevent an increase in search cost and time for a collision between meaning concepts and an infinite repetition of meaning in the process of inferring the data model reproduced by the data model simplifyer; Ontology inference system using a tablo algorithm, characterized in that it comprises a. 제 4항에 있어서,The method of claim 4, wherein 상기 데이터모델 간편화부는,The data model simplifying unit, 상기 데이터 모델의 특정한 개념 명세를 임의의 개념으로 치환하여 암호화하고, 암호화가 적용된 데이터 모델 중에서 동등관계로 연결된 지정개념을 전체의 데이터 모델에 반영하는 암호화부;An encryption unit that replaces a specific conceptual specification of the data model with an arbitrary concept and encrypts the same, and reflects designation concepts connected in equal relation among the data models to which the encryption is applied to the entire data model; 상기 암호화된 데이터 모델에 대해 단일화 과정을 수행하여 간편화하는 단일화부; 및A unification unit which simplifies by performing a unification process on the encrypted data model; And 상기 단일화부에 의해 간편화된 데이터 모델 중에서 암호화 과정의 진행 중에 사용했던 임의의 개념이 남아있는 데이터 모델에 대해 복호화 과정을 수행하여 임의의 개념을 원래의 개념으로 복원하는 복호화부;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.And a decryption unit for restoring an arbitrary concept to an original concept by performing a decryption process on a data model in which an arbitrary concept used during the encryption process is left out of the data model simplified by the unification unit. Ontology Inference System Using Tablo Algorithm 제 4항에 있어서,The method of claim 4, wherein 상기 데이터모델 최적화부는,The data model optimization unit, 상기 데이터모델 간편화부에 의해 간편화되어 상기 지식베이스의 데이터모델 저장소에 저장되어 있는 데이터 모델을 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델로 분류하는 데이터모델 분류부; 및A data model classification unit which is simplified by the data model simplifying unit and classifies the data model stored in the data model repository of the knowledge base into a conceptual specification data model and a set specification data model of concepts; And 상기 개념명세 데이터 모델에 대해 어휘적 표준화 과정을 수행하여 의미적 데이터 모델 추론에 적합한 구조로 재생성하는 데이터모델 정규화부;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.An ontology inference system using a tablo algorithm, comprising: a data model normalization unit which performs a lexical standardization process on the conceptual data model and regenerates it into a structure suitable for semantic data model inference. 제 1항에 있어서,The method of claim 1, 상기 데이터모델 추론부는,The data model inference unit, 상기 개념명세 데이터 모델에 대해 추론을 위한 전처리 작업을 수행하는 전처리부; 및A preprocessor configured to perform preprocessing for inference on the conceptual data model; And 상기 전처리부에 의한 전처리작업을 통해 생성된 확정 트리모델을 입력받아 추론 노드 탐색을 진행하는 추론부;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.On-the-spot inference system using a tablo algorithm, comprising: an inference unit for receiving a definite tree model generated through the pre-processing operation by the pre-processing unit to search the inference node. 제 7항에 있어서,The method of claim 7, wherein 상기 전처리부는,The preprocessing unit, 상기 개념명세 데이터 모델의 개념들을 추론할 때 상기 태블로 알고리즘의 시간과 비용을 줄이기 위한 추론 순서 모델링을 위해 개념에 인접한 상위개념을 수집하는 상위개념 수집기;A higher level concept collector that collects a higher concept adjacent to a concept for inference order modeling to reduce the time and cost of the tablo algorithm when inferring the concepts of the conceptual data model; 의미적 데이터 모델 추론을 위한 전처리작업으로 개념명세의 순서를 정렬하는 개념 정렬기; 및A concept sorter that sorts the order of the conceptual specification as a preprocessing operation for semantic data model inference; And 개념들의 계층 구조 추론을 방향성 비순환 그래프로 표현하며, 개체 및 개체에 정의된 속성의 값을 통한 개념들의 관계를 각각 트리 노드(node)와 간선(edge)으로 표현하여 노드와 간선들의 집합으로 그래프를 형성하는 계층구조 추론기;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.Hierarchical reasoning of concepts is expressed in a directional acyclic graph, and the relationship of concepts through the values of objects and attributes defined in objects is represented by tree nodes and edges, respectively, and the graph is represented as a set of nodes and edges. Ontology reasoning system using a tablo algorithm, characterized in that it comprises a; 제 7항에 있어서,The method of claim 7, wherein 상기 추론부는,The inference unit, 상기 태블로 알고리즘을 적용하기 위해 개념들의 트리 모델을 생성하는 초기화부;An initialization unit for generating a tree model of concepts to apply the tablo algorithm; 입력받은 온톨로지의 표현력에 적합한 태블로 추론 알고리즘을 선택하는 추론 전략선택부; 및An inference strategy selection unit for selecting a tablo inference algorithm suitable for the expression power of the input ontology; And 특정 개념의 상위개념을 추론해 내는 과정인 상위개념 검색과 특정 개념의 하위개념을 추론해 내는 과정인 하위개념 검색을 통해 개념계층을 추론하는 탐색부;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 시스템.A tablo algorithm comprising a searcher for inferring a conceptual hierarchy through a search for a higher concept and a lower concept search for a process of inferring a lower concept of a specific concept. Ontology Inference System (a) 수학적으로 결정가능한 추론을 위해 적재된 온톨로지의 서술 논리를 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경하는 단계;(a) changing the descriptive logic of the loaded ontology for mathematically determinable inference into a data model of inferential structure suitable for use of the Tablo algorithm; (b) 온톨로지 추론에 적합한 기반 구조로 형성된 데이터 모델과 관계 모델이 포함하는 문장들의 구문에 따라 상기 데이터 모델을 간편화 및 최적화하여 개념명세 데이터 모델과 개념들의 집합명세 데이터 모델을 생성하는 단계; 및(b) simplifying and optimizing the data model according to the syntax of the sentences included in the data model and the relation model formed with the infrastructure suitable for ontology inference to generate the conceptual specification data model and the aggregate specification data model of the concepts; And (c) 상기 개념명세 데이터 모델을 기초로 개념들간의 포함관계를 추론하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.(c) inferring the inclusion relationship between concepts based on the conceptual data model. 제 10항에 있어서,The method of claim 10, 상기 (a)단계는,In step (a), (a1) 상기 적재된 온톨로지의 서술 논리를 기계가 처리할 수 있는 서술 논리 구조로 변환하는 단계;(a1) converting the description logic of the loaded ontology into a description logic structure that can be processed by a machine; (a2) 상기 적재된 온톨로지에 사용자가 정의한 개념들의 명세와 개념들 간의 관계를 분석하여 추론을 위한 탐색 범위를 좁힐 수 있도록 하기 위해 개념과 그들의 관계 명세를 재정렬하는 단계; 및(a2) rearranging the concepts and their relationship specifications to analyze the specification of the user-defined concepts and the relationships among the concepts in the loaded ontology so that the search scope for inference can be narrowed; And (a3) 상기 재정렬된 개념들의 포함관계(Subsumption Relation)와 동등관계(Equivalence Relation)를 분석하고, 처리되지 않은 개념간의 관계 모델을 분석하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.(a3) analyzing the relation and equivalence relation of the rearranged concepts, and analyzing a relation model between unprocessed concepts; an ontology using a tablo algorithm Reasoning method. 제 10항에 있어서,The method of claim 10, 상기 (b)단계는,In step (b), (b1) 상기 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경된 데이터 모델에 포함되는 개념 명세를 분석하여 중복적으로 정의된 개념 명세를 논리적인 동등관계로 치환하고 제거함으로써 데이터 모델을 간편화하는 단계; 및(b1) simplifying the data model by analyzing the concept specification included in the changed data model with the inference structure data model suitable for use of the tablo algorithm and replacing and eliminating the redundantly defined concept specification with logical equivalence. step; And (b2) 상기 간편화된 데이터 모델을 추론 과정에서 개념간의 의미 명세의 충 돌(Clash) 및 무한 반복(Incomplete)의 탐색 비용과 시간 증가를 방지하기 위해 데이터 모델을 최적화하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.(b2) optimizing the data model to prevent an increase in the cost and time of searching for collisions and incomplete repetitions of semantic specifications between concepts in the process of inferring the simplified data model. Ontology reasoning method using a tablo algorithm. 제 12항에 있어서,The method of claim 12, 상기 (b1)단계는,Step (b1), 상기 태블로 알고리즘의 사용에 적합한 추론 구조의 데이터 모델로 변경된 데이터 모델의 특정한 개념 명세를 임의의 개념으로 치환하여 암호화하고, 암호화가 적용된 데이터 모델 중에서 동등관계로 연결된 지정개념을 전체의 데이터 모델에 반영하는 단계;The speculative data model suitable for use of the tablo algorithm is encrypted by replacing a specific conceptual specification of the changed data model with an arbitrary concept and reflecting the design concepts connected in equivalence among the encrypted data models in the entire data model. Doing; 상기 암호화된 데이터 모델에 대해 단일화 과정을 수행하여 간편화하는 단계; 및Simplifying by performing a unification process on the encrypted data model; And 상기 단일화과정에 의해 간편화된 데이터 모델 중에서 암호화 과정의 진행 중에 사용했던 임의의 개념이 남아있는 데이터 모델에 대해 복호화 과정을 수행하여 임의의 개념을 원래의 개념으로 복원하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.Performing a decryption process on a data model in which a concept used during the encryption process remains among the data models simplified by the unification process, and restoring an arbitrary concept to an original concept; Ontology reasoning method using a tablo algorithm. 제 12항에 있어서,The method of claim 12, 상기 (b2)단계는,Step (b2), 상기 간편화된 데이터 모델을 개념명세 데이터 모델과 개념들의 집합명세 데 이터 모델로 분류하는 단계; 및Classifying the simplified data model into a conceptual specification data model and a set specification data model of concepts; And 상기 개념명세 데이터 모델에 대해 어휘적 표준화 과정을 수행하여 의미적 데이터 모델 추론에 적합한 구조로 재생성하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.And performing a lexical standardization process on the conceptual data model to regenerate it into a structure suitable for semantic data model inference. 제 10항에 있어서,The method of claim 10, 상기 (c)단계는,Step (c) is, (c1) 상기 개념명세 데이터 모델에 대해 추론을 위한 전처리 작업을 수행하는 단계; 및(c1) performing preprocessing for inference on the conceptual data model; And (c2) 상기 전처리작업을 통해 생성된 확정 트리모델을 입력받아 추론 노드 탐색을 진행하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.(c2) receiving an indeterminate tree model generated through the preprocessing operation and searching for an inferred node; an ontology inference method using a tablo algorithm, comprising: 제 15항에 있어서,The method of claim 15, 상기 (c1)단계는,Step (c1), 상기 개념명세 데이터 모델의 개념들을 추론할 때 상기 태블로 알고리즘의 시간과 비용을 줄이기 위한 추론 순서 모델링을 위해 개념에 인접한 상위개념을 수집하는 단계;Collecting higher concepts adjacent to concepts for inference order modeling to reduce the time and cost of the tablo algorithm when inferring the concepts of the conceptual data model; 의미적 데이터 모델 추론을 위한 전처리작업으로 개념명세의 순서를 정렬하는 단계; 및Sorting the order of the conceptual specification as a preprocessing operation for semantic data model inference; And 개념들의 계층 구조 추론을 방향성 비순환 그래프로 표현하고, 개체 및 개체에 정의된 속성의 값을 통한 개념들의 관계를 각각 트리 노드(node)와 간선(edge)으로 표현하여 노드와 간선들의 집합으로 그래프를 형성하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.The hierarchical inference of concepts is expressed in a directional acyclic graph, and the relationship of concepts through the values of objects and attributes defined in the objects are represented by tree nodes and edges, respectively. Ontology reasoning method using a tablo algorithm, characterized in that it comprises a. 제 15항에 있어서,The method of claim 15, 상기 (c2)단계는,Step (c2), 상기 태블로 알고리즘을 적용하기 위해 개념들의 트리 모델을 생성하는 단계;Generating a tree model of concepts to apply the tablo algorithm; 입력받은 온톨로지의 표현력에 적합한 태블로 추론 알고리즘을 선택하는 단계; 및Selecting a tablo inference algorithm suitable for the expression power of the input ontology; And 특정 개념의 상위개념을 추론해 내는 과정인 상위개념 검색과 특정 개념의 하위개념을 추론해 내는 과정인 하위개념 검색을 통해 개념계층을 추론하는 단계;를 포함하는 것을 특징으로 하는 태블로 알고리즘을 이용한 온톨로지 추론 방법.Using the tablo algorithm, comprising: deriving a concept hierarchy through a search for a higher concept that is a process of inferring a higher concept of a specific concept and a lower concept search that is a process of inferring a lower concept of a specific concept; Ontology reasoning method. 제 10항 내지 제 17항 중 어느 한 항에 기재된 태블로 알고리즘을 이용한 온톨로지 추론 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.A computer-readable recording medium having recorded thereon a program for executing the ontology inference method using the tablet algorithm according to any one of claims 10 to 17.
KR1020080001200A 2008-01-04 2008-01-04 Ontology Inference System and Method Using Tablo Algorithm KR100930622B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080001200A KR100930622B1 (en) 2008-01-04 2008-01-04 Ontology Inference System and Method Using Tablo Algorithm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080001200A KR100930622B1 (en) 2008-01-04 2008-01-04 Ontology Inference System and Method Using Tablo Algorithm

Publications (2)

Publication Number Publication Date
KR20090075366A KR20090075366A (en) 2009-07-08
KR100930622B1 true KR100930622B1 (en) 2009-12-09

Family

ID=41332589

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080001200A KR100930622B1 (en) 2008-01-04 2008-01-04 Ontology Inference System and Method Using Tablo Algorithm

Country Status (1)

Country Link
KR (1) KR100930622B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130097476A (en) * 2012-02-24 2013-09-03 가천의과학대학교 산학협력단 A customized management service providing system using ontology

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564678B (en) * 2018-04-19 2019-02-22 吉林大学 It is a kind of to optimize vehicle-mounted T-BOX data storage and retransmission method

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050051864A (en) * 2003-11-28 2005-06-02 한국전자통신연구원 System and method for knowledge modeling using ontology
US20070233627A1 (en) 2006-02-21 2007-10-04 Dolby Julian T Scalable ontology reasoning

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050051864A (en) * 2003-11-28 2005-06-02 한국전자통신연구원 System and method for knowledge modeling using ontology
US20070233627A1 (en) 2006-02-21 2007-10-04 Dolby Julian T Scalable ontology reasoning

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
한국정보과학회 2006 추계학술대회 VOL.33 NO.01

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130097476A (en) * 2012-02-24 2013-09-03 가천의과학대학교 산학협력단 A customized management service providing system using ontology

Also Published As

Publication number Publication date
KR20090075366A (en) 2009-07-08

Similar Documents

Publication Publication Date Title
US6640231B1 (en) Ontology for database design and application development
Shvaiko et al. A survey of schema-based matching approaches
Horrocks et al. A conjunctive query language for description logic aboxes
Mishra et al. Semantic web reasoners and languages
US7870141B2 (en) Method and system for finding a focus of a document
Suciu An overview of semistructured data
US5438511A (en) Disjunctive unification
Alviano et al. Disjunctive ASP with functions: Decidable queries and effective computation
Maluszyński et al. Logical foundations and complexity of 4QL, a query language with unrestricted negation
KR20120071966A (en) Method and apparatus for retrieving software components using case based reasoning system, and method for providing explanation
KR100930622B1 (en) Ontology Inference System and Method Using Tablo Algorithm
RU2605387C2 (en) Method and system for storing graphs data
Santosh et al. PROO ontology development for learning feature specific sentiment relationship rules on reviews categorisation: a semantic data mining approach
Chan et al. A framework of ontology-enabled product knowledge management
Rudolph et al. Description Logic Reasoning with Decision Diagrams: Compiling to Disjunctive Datalog
Ensan et al. An interface-based ontology modularization framework for knowledge encapsulation
Campaña et al. Semantic data management using fuzzy relational databases
Jiang et al. Reasoning and change management in modular fuzzy ontologies
Lukácsy et al. Prolog based description logic reasoning
Thompson et al. Design of a Presentation Layer for Semantic Net Data Analysis
Chen et al. Background knowledge driven ontology discovery
Leon OntoGen: a knowledge-based approach to natural language generation
Auer et al. Integrating ontologies and relational data
Nguyen Designing a tableau reasoner for description logics
Serafini et al. Matching hierarchical classifications with attributes

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121123

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20131017

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140930

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee