KR100919845B1 - 메타 모델링 기반 온톨로지 시스템 - Google Patents

Abstract

본 발명은 온톨로지 기술을 기반으로 하는 시스템에 관한 것으로, 특히, 기존의 관계 테이터베이스의 기술을 그대로 활용 가능하면서도 온톨로지와 기존에 구축된 관계 데이터베이스를 연동할 수 있게 하고, 온톨로지 응용 시스템의 구축이나 기존 데이터베이스의 지식 처리 등에 적합하도록 온톨로지 언어의 구문 구조와 의미 구조에 기반한 온톨로지 언어 의미 태그 모델을 개발하며, 이를 이용하여 온톨로지 관계 데이터베이스 구조를 구축하며, 온톨로지를 효과적으로 저장할 수 있도록 하기 위한 메타 모델링 기반 온톨로지 시스템에 관한 것이다.

Description

메타 모델링 기반 온톨로지 시스템 {Meta modeling-based ontology system}

본 발명은 온톨로지 기술을 기반으로 하는 시스템에 관한 것으로, 특히, 기존의 관계 테이터베이스의 기술을 그대로 활용 가능하면서도 온톨로지(Ontology)와 기존에 구축된 관계 데이터베이스를 연동시키는 메타 모델링(Meta modeling) 기반 온톨로지 시스템에 관한 것이다.

삭제

일반적으로, 현재의 웹 기술은 인간이 정보를 보기 좋고 이해하기 쉽도록 정보의 외형적 표현과 포장에 중점을 둔 정보 표현 기술이기 때문에 컴퓨터가 정보처리를 할 수가 없다.

따라서 정보검색, 정보추출, 예약, 주문 등 모든 정보처리를 인간이 직접 해야 하며, 그로 인해 무수히 개발되고 있는 웹 정보 홍수 시대가 도래되었다.

이에 대한 해결책으로 컴퓨터가 처리하고 이해할 수 있는 웹을 실현하고자 하는 기술이 대두되었으며, 이러한 운영 시스템을 시맨틱 웹(Semantic Web)이라 칭하는데, 웹 기술이 우리의 생활에 커다란 변화를 가져온 것을 고려하면, 기존의 웹 기술의 한계를 극복하기 위한 시맨틱 웹은 획기적이고 혁신적인 지식정보사회를 실현하게 될 것이다.

그러나 컴퓨터가 인간의 언어 표현의 의미를 이해하는 데는 한계가 있는데, 예를 들어 "황석영이 저술한 소설"과 같은 것을 검색할 수 없다. 왜냐하면 <저자>와 <제목> 사이에 의미관계가 설정되어 있지 않기 때문에, <저자>나 <제목>은 서로 관계가 없는 단순 의미 태그에 지나지 않기 때문이다.

이러한 문제를 해결하기 위해서는 의미 태그 사이의 의미관계를 정의할 필요가 있으며, 예를 들어, <저자> -> 저술하다 -> <제목> 처럼 <저자>와 <제목> 사이에 의미관계를 첨부한 도 1에 도시되어 있는 바와 같이 설정해주어야 하며, 이에 따라 컴퓨터가 의미 태그간의 의미를 이해하고, "황석영"이 저술한 소설을 검색할 수 있게 된다. 도 1은 의미 태그 사이의 의미 관계를 예시하는 도면이다.

즉, 첨부한 도 1에 도시된 예에서와 같이 의미 태그간의 의미 관계를 설정하고, 그들 사이의 규칙(Rule)도 정의하게 되면, 결국은 해당 분야의 지식체계를 컴퓨터가 이해할 수 있는 형태로 표현한 것이 된다. 이것을 온톨로지(Ontology)라고 하는데, 온톨로지는 해당 분야의 지식을 컴퓨터가 이해할 수 있도록 명확하게 정의한 공유된 지식체계라고 할 수 있다.

이렇게 온톨로지와 시맨틱 웹 기술을 활용한 지식 정보 시스템 구축에 대한 필요성이 증대됨에 따라, 정보 자원의 의미를 효과적으로 표현할 수 있는 많은 온톨로지 언어들이 개발되었으며, 이들 언어들은 월드와이드웹 컨소시엄(World Wide Web Consortium: W3C)과 국제표준화기구(International Standard Organiza: ISO)의 표준으로 제정되었다.

이러한 온톨로지 언어를 활용하여 도메인의 개념 온톨로지를 개발하여 지식베이스를 구축하는 응용 시스템들이 개발되고 있다. 이러한 시스템의 핵심은 온톨로지 언어로 기술된 온톨로지 저장인데, 종래에는 예를 들면, 자원기술체계(Resource Description Framework: RDF)와 RDF/S(Resource Description Framework-Schema)에서 제시된 트리플(주어-술어-목적어) 구조 기반의 데이터 모델을 활용하고 있다.

예를 들어 '홍길동'이 저술한 책의 정보를 트리플(Tripple) 구조로 표현하면 다음과 같다.

triple { 홍길동, author, XML의 이해 }

triple { 홍길동, author, 운영체제 개론 }

triple { 홍길동, author, 인공지능 특론 }

예를 들면, 세서미(Sesami), rdfDB, RDF Store, Redland, Jena, RDFGateway, Tripple, SNOBase(Semantic Network Ontology Base) 등과 같은 소프트웨어 도구는 온톨로지 저장 구조를 갖고 있지만, 모두가 기존의 주어-술어-목적어 기반의 트리플 형식의 자료 구조를 사용하고 있다.

기존의 자료구조인 트리플 구조의 최대 단점은 데이터의 중복으로 인한 효율성 및 성능 저하이다. 이로 인하여 온톨로지 응용 시스템의 성능에도 많은 문제점이 야기되고 있다. 특히, 대용량 온톨로지의 경우, 시스템 과부화가 발생하여 처리에 적합하지 않고, 이로 인해 온톨로지 기술을 실무 응용 분야에 적용하는데 많은 어려움이 있다.

또한, 트리플 구조는 기존의 관계 데이터베이스와는 다른 단편적인 구조의 데이터베이스이기 때문에 연동이 어렵고, 이에 따라 연동을 위한 별도로 인스턴스(Instance)를 생성하여야 하는 등의 문제점이 있다.

전술한 문제점을 해결하기 위한 본 발명의 목적은, 온톨로지 기술을 기반으로 하는 시스템에 있어서, 기존의 관계 테이터베이스의 기술을 그대로 활용 가능하면서도 온톨로지와 기존에 구축된 관계 데이터베이스를 연동할 수 있게 함으로써, 온톨로지 응용 시스템의 구축이나 기존 데이터베이스의 지식 처리 등에 적합하도록 온톨로지 언어의 구문 구조와 의미 구조에 기반한 온톨로지 언어 의미 태그 모델을 개발하고, 이를 이용하여 온톨로지 관계 데이터베이스 구조를 구축하고, 온톨로지를 효과적으로 저장할 수 있는 메타 모델링 기반 온톨로지 시스템을 제공하기 위한 것이다.

또한, 전술한 문제점을 해결하기 위한 본 발명의 다른 목적은, 온톨로지 언어의 의미 태그 모델을 관계 데이터베이스 구조로 구현함으로써, 대용량 온톨로지 저장에 적합한 메타 모델링 기반 온톨로지 시스템을 제공하기 위한 것이다.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 메타 모델링 기반 온톨로지 시스템은, 확장정 생성언어(eXtensible Markup Language: XML), RDF/S(Resource Description Framework/Schema), WL(Ontology Web Langage), XTM(XML Topic Maps)를 포함하는 온톨로지 언어들을 입력받아 온톨로지 의미의 태그들을 모델링하는 온톨로지 메타 모델(Ontology Meta Model); 상기 온톨로지 언어로 작성된 온톨로지 문서를 입력받아 상기 온톨로지 메타 모델에서 정의된 개념 요소와 관계를 추출하는 온톨로지 구문 분석 및 지식베이스 생성기; 상기 온톨로지 구문 분석 및 지식베이스 생성기를 통해 생성되고, 관계 데이터베이스 구조 형태의 데이터를 갖는 온톨로지 지식베이스(Ontology Knowledge-base); 상기 온톨로지 구문 분석 및 지식베이스 생성기를 통해 추출된 데이터 또는 상기 온톨로지 메타 모델에서 모델링된 데이터를 입력받아 데이터 테이블을 구현하는 온톨로지 관계 데이터베이스(Ontology Relational Database); 및 상기 온톨로지 지식베이스와 온톨로지 관계 데이터베이스를 통해 신규로 생성되는 데이터들과 기존의 관계 데이터베이스를 연동하여 데이터 호환을 수행하는 관계데이터베이스 연동기를 포함하며, 상기 온톨로지 지식베이스는 다수의 온톨로지 문서들을 저장하고, 각각의 온톨로지 문서는 네임스페이스(Namespace) 또는 온톨로지 지식베이스에서 부여한 고유 식별자로 구별되며, 상기 온톨로지 관계 데이터베이스는, OWL(Web Ontology Language)의 구문 및 의미 구조와 묘사 논리가 일치하는 속성(attribute)을 갖는 리스트릭션 테이블, 클래스 공리 테이블 및 클래스 테이블이 순차적으로 적층된 구조를 갖는 것을 특징으로 한다.

삭제

여기서, 상기 클래스 테이블은 상위 계층으로서, 클래스 명칭을 의미하는 ClassName, OWL의 intersectionOf 및 UnionOf를 포함하는 논리 연산자를 의미하는 오퍼레이션(Operation), 및 논리 연산자의 집합 요소를 각각 표시하는 멤버(Members)를 구비하며; 상기 클래스 공리 테이블은 중간 계층으로서, 클래스 명칭을 의미하는 ClassName, 공리의 형태를 나타내는 Axiom, 및 공리 구성 항을 표시하는 Term을 구비하고; 상기 리스트릭션 테이블은 하위 계층으로서, 리스트릭션 일련번호가 부여되는 RestrictionNumber, 리스트릭션의 프로퍼티(Property)를 나타내는 Property, 프로퍼티의 값이 갖는 형태를 나타내는 ValueType, 및 프로퍼티의 값을 나타내는 Value을 구비하며; 상위 계층인 클래스 테이블에서 하위 계층인 리스트릭션 테이블 측으로 각 테이블의 항목을 순차적으로 채워나가거나 액세스되도록 구성되어, OWL 온톨로지 분석과 저장이 이루어지는 것을 특징으로 한다.

본 발명에 따르면, 온톨로지 저장 구조가 온톨로지 언어의 구문 구조와 의미 구조를 기반으로 설계되었기 때문에 온톨로지를 효과적으로 저장할 수가 있고, 성능과 효과가 탁월하다. 특히, 대용량 온톨로지 저장에 적합한 관계형 구조를 가질 수 있다.본 발명에 따르면, 온톨로지 언어의 의미 태그 모델을 관계 데이터베이스 구조로 구현하고 있기 때문에, 기존의 관계 테이터베이스의 기술을 그대로 활용하는 것이 가능하고, 온톨로지와 기존에 구축된 관계 데이터베이스를 연동할 수가 있기 때문에, 온톨로지 응용 시스템의 구축이나, 기존 데이터베이스의 지식 처리 등에 적합하다.

도 1은 의미 태그 사이의 의미 관계를 예시하는 도면이다.

도 2는 온톨로지 언어(OWL)의 의미 태그 모델을 예시하는 도면이다.

도 3은 온톨로지 언어 의미 태그 모델 기반의 관계 데이터베이스 구조를 예시하는 도면이다.

도 4는 본 발명의 실시예에 따른 온톨로지의 관계 데이터베이스 구조에 의한 온톨로지 지식베이스 구축 개념을 예시하는 도면이다.

도 5는 본 발명의 실시예에 따른 관계 데이터베이스 구조를 구현한 예를 나타내는 도면이다.

도 6는 본 발명의 실시예에 따른 온톨로지 파서 및 지식베이스 생성기의 동작 순서를 예시하는 도면이다.

도 7은 본 발명의 실시예에 따른 온톨로지-관계 데이터베이스 연동기의 동작 순서를 예시하는 도면이다.

본 발명의 상술한 목적과 여러 가지 장점은 이 기술 분야에 숙련된 사람들에 의해, 첨부된 도면을 참조하여 후술되는 본 발명의 바람직한 실시예로부터 더욱 명확하게 될 것이다.

이하, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 상세히 설명한다.

우선, 본발명에 적용되는 기술적 사상을 간략히 살펴보면, 종래 휴렛패커드(HP) 연구소에서 개발한 Jena 등의 소프트웨어 도구에서는 RDF, RDF/Schema의 기본 데이터 모델인 주어-술어-목적어의 중심으로 한 트리플(Triple) 형태로 온톨로지를 저장하고 있다. 그런데, 트리플 형태로 온톨로지를 저장하면 하나의 온톨로지 개체에 대하여 다수의 트리플이 생성되고 온톨로지 처리 성능과 효율도 저하되어 대용량 온톨로지 처리에 적합하지 않으며, 또한 기존의 관계 데이터베이스에 구축된 데이터를 온톨로지와 연계시키는데도 문제가 야기된다.기존 기술의 문제점에 대해 근본적인 원인을 검토해보면, 결국 온톨로지를 저장하는 방식이 주어-술어-목적어 기반의 트리플 방식이기 때문이며, 이에 따라 트리플 방식이 아닌 새로운 온톨로지 저장 방식이 필요하다는 필요성이 대두되었다.

이때, 새로이 제안되는 저장 방식은 온톨로지를 효과적으로 저장할 수 있어야 하며, 대용량 온톨로지 처리 시 우수한 성능을 발휘할 수 있어야 한다. 또한, 기존 온톨로지 응용 시스템과 호환성을 위하여, 트리플 방식으로도 쉽게 변환할 수 있는 구조이어야 한다는 전제를 갖는다.

더욱이 새로운 온톨로지 저장 방식인 관계 데이터베이스는 온톨로지 편집기나 주석기 등 온톨로지 개발 도구와 도메인(Domain) 온톨로지를 이용한 응용 시스템 구조에도 적합하여야 한다. 뿐만 아니라, 이미 구축된 인스턴스 데이터(Instance Data)를 보관하고 있는 기존의 관계 데이터베이스와도 연동할 수가 있어야 한다는 전제를 갖는다.

새로운 온톨로지 저장 구조가 설정되면, 온톨로지 언어로 작성된 문서를 온톨로지 관계 데이터베이스 구조의 형태로 구문 분석하여 저장하는 시스템이 필요하다. 또한, 온톨로지 관계 데이터베이스 구조 형태의 온톨로지 지식베이스와 기존의 관계 데이터베이스를 연동시킬 수 있는 시스템도 필요하다.

상술한 바와 같이 크게 3가지 전제 관점에서 개발 방향을 검토해보면, 일반적으로 온톨로지 언어는 컴퓨터 언어로서 언어의 구문 구조와 의미 구조를 갖고 있다.온톨로지 언어의 구문 구조는 EBNF(Extended Backus Naur Form), 확장정 생성언어(eXtensible Markup Language: XML)의 DTD(Document Type Definition), XML Schema, 추상화 형태론(Abstract Syntax) 등으로 표현이 가능하며, 또한, 온톨로지 언어의 의미 구조는 기술 논리학(Description logic), 모델-이론 의미론(Model-Theoretic Semantics) 등으로 기술할 수 있다.

따라서 온톨로지를 효과적으로 저장하기 위하여 온톨로지 언어의 이러한 특징을 고려하여야 하는데, 온톨로지 언어인 OWL(Web Ontology Language)의 개념 모델인 의미 태그 모델의 구조는 첨부한 도 2에 도시되어 있는 바와 같다.

도 2에 도시된 OWL이란 온톨로지 기반의 메타 데이터에 의해 표현될 수 있는 시맨틱 웹(Semantic web)을 표현하기 위한 수단으로서, 자원기술체계(Resource Description Framework: RDF)가 표준으로 사용되고 있고, OWL(Web Ontology Language)은 RDF로 표현할 수 없는 어휘들을 수용하여 온톨로지들의 병합 및 추론을 위한 방법을 제공하도록 2003년에 표준이 진행되었다.

도 2는 온톨로지 언어(OWL)의 의미 태그 모델을 예시하는 도면이다. 도 2에 도시된 바와 같이, 온톨로지 언어 OWL의 기본 요소인 클래스(Class), 프로퍼티(Property), 리스트릭션(Restriction), 인스턴스(Instance) 등의 요소와 이들 간의 의미 관계가 명확히 표현되고 있다.

따라서 본 발명의 실시예에서는 온톨로지를 효과적으로 저장하기 위하여, 온톨로지 언어의 구문 구조와 의미 구조를 조직적으로 표현할 수 있는 온톨로지 언어의 개념 모델인 의미 태그 모델을 첨부한 도 3에 도시된 바와 같은 양식의 관계 데이터베이스의 구조 형태로 변환하였다. 도 3은 온톨로지 언어 의미 태그 모델 기반의 관계 데이터베이스 구조를 예시하는 도면이다.

그러므로 본 발명의 실시예에서는 온톨로지 언어의 의미 태그 모델의 요소와 요소간의 관계에 대하여 의미 태그 요소를 중심으로 요소간의 관계를 데이터베이스 테이블 구조의 필드 또는 애트리뷰트로 형식화하여 온톨로지 저장을 위한 관계 데이터베이스 구조를 구성한 것이다.

이때, 온톨로지 언어의 의미 태그 모델에 기반한 관계 데이터베이스 구조 형태는 기존의 트리플 방식으로도 쉽게 변환이 가능한 구조이며, 기존의 관계 데이터베이스 기술을 그대로 활용하고 있으므로, 기존에 구축된 관계 데이터베이스와도 쉽게 연동시킬 수 있다.

온톨로지 언어로 작성된 온톨로지 문서를 분석하여 온톨로지 관계 데이터베이스 구조 형태로 저장하여야 한다.

도 4는 본 발명의 실시예에 따른 온톨로지의 관계 데이터베이스 구조에 의한 온톨로지 지식베이스 구축 개념을 예시하는 도면이다. 도 4에 도시된 바와 같이, 본 발명의 실시예에 따른 온톨로지의 관계 데이터베이스 구조에 의한 온톨로지 지식베이스 구축 개념도와 같은 시스템에 의해 구체화될 수 있다.각 구성요소의 동작을 간략히 살펴보면, 온톨로지 구문 분석 및 지식베이스 생성기(100)는 온톨로지 언어로 작성된 온톨로지 문서를 입력받아 전술한 도 2에 도시된 바와 같은 온톨로지 언어 의미 태그 모델에서 정의된 개념 요소와 관계를 추출하고, 이를 온톨로지 관계데이터베이스 테이블(300)에 저장한다.

도 6는 본 발명의 실시예에 따른 온톨로지 파서 및 지식베이스 생성기의 동작 순서를 예시하는 도면이다.상기 온톨로지 구문 분석 및 지식베이스 생성기(100)의 동작은 도 6에 도시된 순서와 같고, 도 6을 참조하여 그 동작을 상세히 살펴보면, 온톨로지 구문 분석 및 지식베이스 생성기(100)는 온톨로지 문서를 클래스(Class), 프로퍼티(Property), 인디비듀얼(Individual) 등 언어 구성 요소 단위로 읽어, 전술한 도 2에 도시된 바와 같은 온톨로지 의미 태그 모델에 따라 구문 구조와 의미 구조를 분석한 후, 해당 결과를 온톨로지 관계 데이터베이스(300)의 데이터테이블에 저장한다.

상술한 과정을 반복하여, 온톨로지 문서 전체를 온톨로지 관계 데이터베이스(300)의 데이터테이블에 저장하여 온톨로지 지식베이스(400)를 구성한다.

또한, 전술한 도 4에 도시된 온톨로지 지식베이스(400)는 하나의 온톨로지 문서만을 저장하는 것이 아니라, 여러 온톨로지 문서를 저장할 수 있다. 이때, 각각의 온톨로지 문서는 네임스페이스(Namespace)나 온톨로지 지식베이스에서 부여한 고유 식별자로 구별될 수 있다.

또한, 상기 온톨로지 지식베이스(400)는 관계 데이터베이스 구조 형태이므로 기존에 구축된 관계데이터베이스(500)와 연동이 가능하다.

따라서 상기 온톨로지 지식베이스(400)와 온톨로지 관계 데이터베이스(300) 및 기존에 구축된 관계데이터베이스(500)의 데이터 호환은 온톨로지-관계 데이터베이스 연동기(600)를 통해 이루어지며, 그 동작 순서는 첨부한 도 7에 도시되어진 바와 같다

도 7은 본 발명의 실시예에 따른 온톨로지-관계 데이터베이스 연동기의 동작 순서를 예시하는 도면이다.도 7을 참조하여 온톨로지-관계 데이터베이스 연동기(600)의 동작을 상세히 살펴보면, 기존에 구축된 관계 데이터베이스(500)를 액세스하는 질의어가 입력되면, 상기 온톨로지-관계 데이터베이스 연동기(600)는 질의어 내에 존재한 온톨로지 클래스를 분리한다.

이후, 분리된 클래스를 관계 데이터베이스의 필드 또는 필드 값으로 변환하는데, 이때, 온톨로지 클래스와 관계 데이터베이스 필드와의 관계는 내부 변환표에 의하여 수행된다.

이후, 질의어 안의 클래스에 대한 관계 데이터베이스 필드 변환이 완성되면, 이 결과를 활용하여 질의어를 새롭게 구성한다. 새롭게 구성된 질의어는 관계 데이터베이스 시스템에 입력되어 실행되어 그 결과를 도출하게 된다.

전술한 도 6과 도 7에 도시되어진 바와 같은 동작을 수행하는 온톨로지 구문 분석 및 지식베이스 생성기(100)와 온톨로지-관계 데이터베이스 연동기(500)의 정상적인 동작의 수행을 위해서는 참조번호 300으로 지칭되는 온톨로지-관계 데이터베이스의 구현이 주요한 요소이다.

이하 온톨로지-관계 데이터베이스(300)의 데이터 테이블에 저장되는 데이터의 형식과 그 저장과정을 첨부한 도 5를 참조하여 살펴보기로 한다. 도 5는 본 발명의 실시예에 따른 관계 데이터베이스 구조를 구현한 예를 나타내는 도면이다.

본 발명의 실시예에서 OWL 온톨로지는 기존 Jena와 같이 여러 자료구조로 변환 과정을 거치는 것이 아니라, OWL 온톨로지는 OWL 언어 개념 모델 기반의 온톨로지 구문 분석 및 지식베이스 생성기(100)에 의해 분석되어, 분석 즉시 바로 온톨로지-관계 데이터베이스(300)에 저장된다.

OWL 온톨로지는 OWL 언어 개념 모델 기반의 파서(parser)에 의해 분석되고, 즉시 관계 데이터베이스 테이블에 저장된다. 예를 들어, 대표적인 음식 온톨로지의 PastaWithSpicyRed- SauceCourse 클래스가 저장되는 과정은 다음과 같다.

(스텝 1) owl:Class로부터 PastaWithSpicyRedSauceCourse가 클래스임을 알고, 클래스 테이블에 클래스 명칭 삽입(A1).

(스텝 2) owl:intersectionOf에서 Operation이 intersection임을 알고 삽입(A2).

(스텝 3) owl:Class에서 Member인 MealCourse를 분석해서 삽입(A3).

(스텝 4) owl:Restriction에 의해 자동으로 리스트릭션 번호를 생성한다. 예를 들어, R331이라 생성하고 클래스 테이블의 Member와 리스트릭션 테이블에 추가한다(A4).

(스텝 5) 프로퍼티가 hasFood 임을 알고, 리스트릭션 테이블의 Property에 추가한다(A5).

(스텝 6) owl:allValueFrom으로부터 valueType이 allValue이고 값이 PastaWithSpicyRedSauce임을 분석해서 추가한다(A6).

(스텝 7) rdfs:subClassOf에서 클래스 공리임을 알고, 클래스 공리 테이블의 ClassName에 PastaWithSpicyRedSauceCourse를 삽입하고, Axiom에 subClass를 추가한다(B1).

(스텝 8) owl:Restrictiondlamfh 자동으로 리스트릭션 번호를 생성하여 수록한다(B2).

(스텝 9) owl:onProperty에서 프로퍼티가 hasDrink임을 알고 리스트릭션 테이블의 Property에 기록한다(B3).

(스텝 10) owl:allValueFrom으로부터 ValueType이 allValue임을 알고 기록한다(B4).

(스텝 11) owl:Restriction에 의해 자동으로 리스트릭션 번호를 생성하여 Value와 Restriction Number에 기록한다(B5).

(스텝 12) owl:onProperty에 의해 프로퍼티가 hasColor를 분석하여, 리스트릭션 테이블 Property에 추가한다(B6).

(스텝 13) owl:hasValue로부터 ValueType이 hasValue이고, 값이 Red임을 분석해서 추가한다(B7).

(스텝 14) rdf:subClassOf에서 클래스 공치처리임을 알아낸다.

(스텝 15) owl:Restrictiondlamfh 리스트릭션 번호를 자동생성하여, 클래스 공리 테이블 과 리스트릭션 테이블에 추가한다 (C1).

(스텝 16) 프로퍼티가 hasDrink임을 분석해서, 리스트릭션 테이블에 추가한다(C2).

(스텝 17) owl:allValueFrom에서 ValueType이 allValue 임을 알아내어 추가한다(C3).

(스텝 18) owl:Restriction이므로 리스트릭션 번호를 자동으로 생성해서 리스트릭션 테이블의 Value와 Restriction Number에 추가한다(C4).

(스텝 19) 프로퍼티가 hasBody임을 분석해서, 리스트릭션 테이블의 Property에 추가한다(C5).

(스텝 20) owl:hasValue에서 ValueType과 값 Full을 알아내어 추가한다(C6).

전술한 바와 같은 OWL 온톨로지 분석과 저장이 위에서 아래로 OWL 온톨로지를 읽어 내려가면서, 즉시 이루어진다. 이에 따라 처리속도가 빠르고, 별도의 변환과정 없이 온톨로지를 저장할 수 있다.

이때, 참조번호 200으로 지칭되는 온톨로지 메타 모델은 XML, RDF/S, QWL, XTM 등과 같은 온톨로지 언어들을 입력받아 온톨로지 의미의 태그들을 모델링하는 과정을 수행하여 온톨로지 구문 분석 및 지식베이스 생성기(100)와 같은 기능을 한다.

다만 상기 온톨로지 구문 분석 및 지식베이스 생성기(100)와의 차이점은 상기 온톨로지 구문 분석 및 지식베이스 생성기(100)가 온톨로지 언어들을 이용해 생성된 문서를 대상으로 하는 것이며, 온톨로지 메타 모델(200)은 온톨로지 언어들 그 자체를 대상으로 한다는 점이 차이점이다.

이상의 설명에서 본 발명은 특정의 실시 예와 관련하여 도시 및 설명하였지만, 특허청구범위에 의해 나타난 발명의 사상 및 영역으로부터 벗어나지 않는 한도 내에서 다양한 개조 및 변화가 가능하다는 것을 당 업계에서 통상의 지식을 가진 자라면 누구나 쉽게 알 수 있을 것이다.

Claims (3)

1. 확장정 생성언어(eXtensible Markup Language: XML), RDF/S(Resource Description Framework/Schema), OWL(Ontology Web Langage), XTM(XML Topic Maps)를 포함하는 온톨로지 언어들을 입력받아 온톨로지 의미의 태그들을 모델링하는 온톨로지 메타 모델(Ontology Meta Model);

   상기 온톨로지 언어로 작성된 온톨로지 문서를 입력받아 상기 온톨로지 메타 모델에서 정의된 개념 요소와 관계를 추출하는 온톨로지 구문 분석 및 지식베이스 생성기;

   상기 온톨로지 구문 분석 및 지식베이스 생성기를 통해 생성되고, 관계 데이터베이스 구조 형태의 데이터를 갖는 온톨로지 지식베이스(Ontology Knowledge-base);

   상기 온톨로지 구문 분석 및 지식베이스 생성기를 통해 추출된 데이터 또는 상기 온톨로지 메타 모델에서 모델링된 데이터를 입력받아 데이터 테이블을 구현하는 온톨로지 관계 데이터베이스(Ontology Relational Database); 및

   상기 온톨로지 지식베이스와 온톨로지 관계 데이터베이스를 통해 신규로 생성되는 데이터들과 기존의 관계 데이터베이스를 연동하여 데이터 호환을 수행하는 관계데이터베이스 연동기

   를 포함하며,

   상기 온톨로지 지식베이스는 다수의 온톨로지 문서들을 저장하고, 각각의 온톨로지 문서는 네임스페이스(Namespace) 또는 온톨로지 지식베이스에서 부여한 고유 식별자로 구별되며,

   상기 온톨로지 관계 데이터베이스는, OWL(Web Ontology Language)의 구문 및 의미 구조와 묘사 논리가 일치하는 속성(Attribute)을 갖는 리스트릭션 테이블, 클래스 공리 테이블, 및 클래스 테이블이 순차적으로 적층된 구조를 갖는 것을 특징으로 하는 메타 모델링 기반 온톨로지 시스템.
2. 삭제
3. 제1항에 있어서,

   상기 클래스 테이블은 상위 계층으로서, 클래스 명칭을 의미하는 ClassName, OWL의 intersectionOf 및 UnionOf를 포함하는 논리 연산자를 의미하는 오퍼레이션(Operation), 및 논리 연산자의 집합 요소를 각각 표시하는 멤버(Members)를 구비하며;

   상기 클래스 공리 테이블은 중간 계층으로서, 클래스 명칭을 의미하는 ClassName, 공리의 형태를 나타내는 Axiom, 및 공리 구성 항을 표시하는 Term을 구비하고;

   상기 리스트릭션 테이블은 하위 계층으로서, 리스트릭션 일련번호가 부여되는 RestrictionNumber, 리스트릭션의 프로퍼티(Property)를 나타내는 Property, 프로퍼티의 값이 갖는 형태를 나타내는 ValueType, 및 프로퍼티의 값을 나타내는 Value을 구비하며;

   상위 계층인 클래스 테이블에서 하위 계층인 리스트릭션 테이블 측으로 각 테이블의 항목을 순차적으로 채워나가거나 액세스되도록 구성되어, OWL 온톨로지 분석과 저장이 이루어지는 것을 특징으로 하는 메타 모델링 기반 온톨로지 시스템.