KR101048546B1 - 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법 - Google Patents

온톨로지를 이용한 컨텐츠 검색 시스템 및 방법 Download PDF

Info

Publication number
KR101048546B1
KR101048546B1 KR1020090019001A KR20090019001A KR101048546B1 KR 101048546 B1 KR101048546 B1 KR 101048546B1 KR 1020090019001 A KR1020090019001 A KR 1020090019001A KR 20090019001 A KR20090019001 A KR 20090019001A KR 101048546 B1 KR101048546 B1 KR 101048546B1
Authority
KR
South Korea
Prior art keywords
ontology
query
concept
query graph
search
Prior art date
Application number
KR1020090019001A
Other languages
English (en)
Other versions
KR20100100231A (ko
Inventor
강병주
김병철
김광섭
이창희
정유진
Original Assignee
엔에이치엔(주)
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 엔에이치엔(주) filed Critical 엔에이치엔(주)
Priority to KR1020090019001A priority Critical patent/KR101048546B1/ko
Priority to JP2010045285A priority patent/JP5227985B2/ja
Publication of KR20100100231A publication Critical patent/KR20100100231A/ko
Application granted granted Critical
Publication of KR101048546B1 publication Critical patent/KR101048546B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

온톨로지를 이용한 컨텐츠 검색 방법 및 시스템이 개시된다. 온톨로지를 이용한 컨텐츠 검색 시스템은 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 키워드 맵핑부, 상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 질의 그래프 결정부 및 상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 출력 노드 결정부를 포함할 수 있다.
도메인, 온톨로지, 지식 베이스, 검색 질의, 질의 그래프, 클래스, 오브젝트

Description

온톨로지를 이용한 컨텐츠 검색 시스템 및 방법{SYSTEM AND METHOD FOR SEARCHING CONTENTS USING ONTOLOGY}
본 발명은 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법에 관한 것으로, 보다 자세하게는, 불완전한 사용자 검색 질의의 의도를 온톨로지를 통해 정확하게 파악하여 질의 의도에 적합한 컨텐츠를 제공하기 위한 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법에 관한 것이다.
인터넷 검색 기술이 발전하면서, 사용자 검색 질의에 대해 정확한 검색 결과를 제공하는 것이 중요한 문제로 부각되었다. 인터넷 검색을 수행하는 사용자마다 검색 능력에 차이가 있고, 실제 입력하는 검색 질의가 다양하기 때문에, 검색 엔진은 사용자의 질의 의도를 정확하게 파악하여 사용자가 원하는 검색 결과를 제공하는 것이 필요하다.
특히, 검색 질의에 검색에 필요한 정보가 누락된 경우, 검색 엔진이 사용자의 검색 의도를 파악하는 것은 무엇보다 중요하다. 그러나, 검색 엔진의 경우, 사람이 아닌 기계이기 때문에 불완전한 사용자의 검색 질의로부터 사용자의 검색 의도를 파악하는 것은 어려운 일이다.
예를 들어, 사용자가 미국, 액션이라고 입력하는 경우, 실제 사용자의 검색 의도는 미국 영화 중 액션 장르에 해당하는 영화를 검색하는 것이라고 가정하자. 그러나, 검색 엔진은 단순히 데이터베이스에 포함된 문서들 중 미국과 액션이 공통으로 포함된 문서를 검색 결과로 제공하기 때문에, "미국의 경제 상황에 대해 대통령이 다음과 같은 액션을 취하였다"라는 내용의 문서와 같이 사용자의 검색 의도와 전혀 무관한 검색 결과를 제공하는 문제점이 발생하고 있다.
결국, 불완전하고 검색에 필요한 정보가 누락된 검색 질의가 입력되더라도 사용자의 검색 의도에 부합하는 검색 결과를 제공하는 방법이 필요하게 되었다. 즉, 어떤 정형화된 인간의 지식을 통해 추론할 수 있는 능력을 기계인 검색 엔진에 부여하는 과정이 필요하다고 할 수 있다.
본 발명은 사용자의 검색 질의를 구성하는 키워드를 온톨로지 개념에 맵핑하고, 맵핑된 온톨로지 개념을 통해 온톨로지 상에서 질의 그래프를 결정함으로써 불완전한 사용자의 검색 질의를 보완하는 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법을 제공할 수 있다.
본 발명은 키워드-개념 맵핑 테이블을 통해 키워드와 온톨로지 개념을 맵핑함으로써 보다 신속하게 질의 그래프를 생성할 수 있는 컨텐츠 검색 시스템 및 방법을 제공할 수 있다.
본 발명은 노드 간 최대 거리 또는 실제 데이터가 지식 베이스에 존재하는 지 여부를 고려하여 질의 그래프를 생성함으로써, 불필요한 질의 그래프를 생성하기 위한 자원 소모를 절약할 수 있는 컨텐츠 검색 시스템 및 방법을 제공할 수 있다.
본 발명은 생성된 질의 그래프 중 검색 질의와의 적합도에 따라 정렬하여 질의 그래프를 결정함으로써, 온톨로지를 통해 파악한 사용자의 검색 의도를 보다 정확하게 추정할 수 있는 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법을 제공할 수 있다.
본 발명의 일실시예에 따른 컨텐츠 검색 시스템은 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 키워 드 맵핑부, 상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 질의 그래프 결정부 및 상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 출력 노드 결정부를 포함할 수 있다.
본 발명의 일측면에 따르면, 상기 질의 그래프 결정부는 상기 온톨로지에서 상기 맵핑된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성하고, 상기 생성된 질의 그래프를 정렬하여 상기 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출할 수 있다.
본 발명의 일실시예에 따른 컨텐츠 검색 시스템은 출력 노드에 대응하는 검색 질의의 검색 결과를 제공하는 검색 결과 제공부를 더 포함할 수 있다.
본 발명의 일실시예에 따른 컨텐츠 검색 방법은 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 단계, 상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 단계 및 상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 단계를 포함할 수 있다.
본 발명의 일측면에 따르면, 상기 온톨로지에서 질의 그래프를 결정하는 단계는, 상기 온톨로지에서 상기 맵핑된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성하는 단계 및 상기 생성된 질의 그래프를 정렬하여 상기 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 컨텐츠 검색 방법은 상기 출력 노드에 대응하는 검색 질의의 검색 결과를 제공하는 단계를 더 포함할 수 있다.
본 발명의 일실시예에 따르면, 사용자의 검색 질의를 구성하는 키워드를 온톨로지 개념에 맵핑하고, 맵핑된 온톨로지 개념을 통해 온톨로지 상에서 질의 그래프를 결정함으로써 불완전한 사용자의 검색 질의를 보완하는 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법이 제공된다.
본 발명의 일실시예에 따르면, 키워드-개념 맵핑 테이블을 통해 키워드와 온톨로지 개념을 맵핑함으로써 보다 신속하게 질의 그래프를 생성할 수 있는 컨텐츠 검색 시스템 및 방법이 제공된다.
본 발명의 일실시예에 따르면, 노드 간 최대 거리 또는 실제 데이터가 지식 베이스에 존재하는 지 여부를 고려하여 질의 그래프를 생성함으로써, 불필요한 질의 그래프를 생성하기 위한 자원 소모를 절약할 수 있는 컨텐츠 검색 시스템 및 방법이 제공된다.
본 발명의 일실시예에 따르면, 생성된 질의 그래프 중 검색 질의와의 적합도에 따라 정렬하여 질의 그래프를 결정함으로써, 온톨로지를 통해 파악한 사용자의 검색 의도를 보다 정확하게 추정할 수 있는 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법이 제공된다.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명에 따른 실시예를 상세하게 설명한다. 다만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일실시예에 따른 온톨로지를 이용하여 검색 질의에 대한 검색 결과를 제공하는 과정을 설명하기 위한 도면이다.
도 1을 참고하면, 사용자는 검색 질의(103)를 입력할 수 있다. 이 때, 검색 질의(103)는 적어도 하나의 키워드로 구성될 수 있다. 본 발명의 일실시예에 따른 컨텐츠 검색 시스템은 사용자가 입력한 검색 질의(103)에 대해 검색 결과(105)를 제공할 수 있다. 여기서, 검색 질의(103)는 불완전한 형태일 수 있다. 예를 들어, 검색 질의(103)가 "A, B"라는 키워드를 포함하는 경우, 사용자의 검색 의도가 A, B를 동시에 포함하는 컨텐츠를 검색하는 것인지 또는 A 및 B가 서로 관련이 있는 별도의 컨텐츠를 검색하는 것인지 파악하는 것이 중요하다. 즉, 사용자의 검색 질의(103)는 중요한 부분이 생략된 키워드로 구성될 수 있기 때문에, 이러한 경우, 사용자의 검색 의도를 정확하게 파악하기 위한 정보가 부족할 수 있다.
이 때, 본 발명의 일실시예에 따른 컨텐츠 검색 시스템은 정보 모델(100)을 이용하여 불완전한 사용자의 검색 질의(103)를 보완할 수 있다. 즉, 컨텐츠 검색 시스템은 불완전한 사용자의 검색 질의(103)를 정보 모델(100)을 통해 보완함으로써, 최대한 사용자의 검색 의도에 적합한 검색 결과를 제공할 수 있다.
도 1에서 볼 수 있듯이, 정보 모델(100)은 온톨로지(101)와 지식 베이스(102)로 구성될 수 있다. 온톨로지(101)는 클래스의 속성들과 클래스들 사이의 관계를 표현하는 스키마 영역을 의미하고, 지식 베이스(102)는 실제 데이터를 표현 하는 데이터 영역을 의미할 수 있다.
일례로, 온톨로지(101)는 글로벌 온톨로지(global ontology)와 음악 온톨로지, 영화 온톨로지 및 인물 온톨로지 등의 도메인 온톨로지(domain ontology)로 분류할 수 있다. 여기서, 도메인 온톨로지는 특정 도메인에 적합한 도메인 지식을 포함하는 온톨로지(101)를 의미한다. 이 때, 도메인 지식은 도메인 온톨로지에 포함된 온톨로지 개념의 노드와 대응될 수 있다. 도메인 온톨로지는 다른 도메인 온톨로지와 개념을 통해 연결될 수 있다.
컨텐츠 검색 시스템은 검색 질의(103)로부터 추출한 키워드를 키워드-개념 맵핑 테이블(104)을 통해 온톨로지(101)에 존재하는 온톨로지 개념과 매핑 시킬 수 있다. 그리고, 컨텐츠 검색 시스템은 온톨로지 개념을 통해 사용자의 검색 의도를 반영한 질의 그래프를 결정하고, 질의 그래프로부터 출력 노드를 추출할 수 있다. 최종적으로, 컨텐츠 검색 시스템은 출력 노드에 대응하는 검색 결과(105)를 사용자에게 제공할 수 있다.
도 2는 본 발명의 일실시예에 따른 컨텐츠 검색 시스템의 전체 구성을 도시한 블록 다이어그램이다.
도 2를 참고하면, 컨텐츠 검색 시스템(200)은 키워드 맵핑부(201), 질의 그래프 결정부(202) 및 출력 노드 결정부(203)를 포함할 수 있다. 추가적으로, 컨텐츠 검색 시스템(200)은 검색 결과 제공부(204)를 포함할 수 있다.
키워드 맵핑부(201)는 온톨로지(207)를 통해 검색 질의(205)로부터 추출한 키워드와 키워드에 대응하는 온톨로지 개념을 맵핑 할 수 있다. 여기서, 온톨로지(207)는 방향성이 있는 그래프 구조일 수 있다. 그리고, 온톨로지(207)는 검색 질의(205)로부터 추출한 키워드와 맵핑 하기 위한 복수의 노드 및 에지로 구성될 수 있다. 이 때, 온톨로지(207)에 존재하는 노드와 에지 각각을 온톨로지 개념(Ontology Concept)으로 정의할 수 있으며, 에지는 노드의 속성일 수 있다. 논리적인 모델인 온톨로지(207)에서 노드-에지-노드가 하나의 RDF 트리플로 변환될 수 있다.
그리고, 온톨로지(207)는 실제 데이터를 표현하는 지식 베이스(208)와 연결될 수 있다. 지식 베이스(208)도 방향성이 있는 그래프 구조일 수 있으며, 지식 베이스(208)의 노드 및 에지를 포함하는 지식 베이스 개념으로 구성될 수 있다. 본 발명의 일실시예에 따르면, 온톨로지(207)의 노드와 에지는 온톨로지 개념으로 정의되고, 지식 베이스(208)의 노드와 에지는 지식 베이스 개념으로 정의될 수 있다.
키워드 맵핑부(201)는 키워드-개념 맵핑 테이블(206)을 이용하여 키워드와 온톨로지 개념을 맵핑 할 수 있다. 일례로, 키워드 맵핑부(201)는 키워드-개념 맵핑 테이블(206)을 이용하여 검색 질의(205)로부터 추출한 키워드에 대응하는 온톨로지 개념을 검색하고, 생성 가능한 온톨로지 개념의 조합을 추출할 수 있다. 이 때, 키워드-개념 맵핑 테이블(206)은 하나의 키워드에 대응하는 복수의 온톨로지 개념을 포함할 수 있다.
예를 들어, 키워드가 "괴물"인 경우, 키워드에 대응하는 온톨로지 개념은 "영화" 또는 "별명"일 수 있다. 일례로, 키워드-개념 맵핑 테이블(206)은 온톨로지(207) 및 지식 베이스(208)의 자연어 표현인 키워드를 온톨로지 개념과 맵핑 하여 기록된 색인 데이터 구조일 수 있다. 키워드-개념 맵핑 테이블(206)에 대해서는 도 5와 도 6에서 구체적으로 설명된다.
질의 그래프 결정부(202)는 맵핑된 온톨로지 개념을 이용하여 온톨로지(207)에서 질의 그래프를 결정할 수 있다. 일례로, 질의 그래프 결정부(202)는 온톨로지(207)에서 맵핑된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성할 수 있다. 이 때, 하나의 키워드-온톨로지 개념 조합에 대해 복수 개의 질의 그래프가 생성될 수 있다.
일례로, 질의 그래프 결정부(202)는 온톨로지 개념에 대응하는 노드 간 최대 거리를 만족하는 질의 그래프를 생성할 수 있다. 노드 간 최대 거리는 제1 개념 노드와 제2 개념 노드를 연결하는 경로에서 경로에 존재하는 노드의 개수에 미리 설정한 값을 적용한 값일 수 있다. 이 때, 미리 설정한 값은 1일 수 있다. 예를 들어, 노드 1과 노드 2를 연결하는 경로에 노드 3과 노드 4가 존재하는 경우, 노드 간 최대 거리는 2+1=3일 수 있다. 본 발명의 일실시예에 따르면, 질의 그래프 결정부(202)는 노드 간 최대 거리보다 큰 값을 가지는 질의 그래프를 제외함으로써, 수많은 질의 그래프가 생성되는 것을 방지할 수 있다.
다른 일례로, 질의 그래프 결정부(202)는 실제 데이터가 지식 베이스(208)에 존재하는 질의 그래프를 생성할 수 있다. 즉, 특정 질의 그래프의 노드에 대해 실제 데이터가 지식 베이스(208)에 존재하지 않으면, 질의 그래프를 생성할 필요가 없기 때문이다.
그리고, 질의 그래프 결정부(202)는 생성된 질의 그래프를 정렬하여 적어도 하나의 질의 그래프 중 검색 질의(205)에 적합한 질의 그래프를 추출할 수 있다. 이 때, 질의 그래프 결정부(202)는 생성된 적어도 하나의 질의 그래프를 검색 질의(205)와의 적합도에 따라 정렬하여 검색 질의(205)에 적합한 질의 그래프를 추출할 수 있다. 여기서, 질의 그래프 결정부(202)는 적어도 하나의 질의 그래프 중 온톨로지 개념에 대응하는 노드와 에지 간의 거리가 상대적으로 가까운 질의 그래프를 우선하여 추출할 수 있다.
이러한 과정을 통해 컨텐츠 검색 시스템(200)은 불완전한 사용자의 검색 질의(205)를 온톨로지 개념을 이용한 질의 그래프를 통해 보완함으로써, 사용자의 검색 의도를 파악할 수 있다.
출력 노드 결정부(203)는 결정된 질의 그래프에서 검색 질의(205)의 검색 결과(209)에 대응하는 출력 노드를 결정할 수 있다. 일례로, 출력 노드 결정부(203)는 질의 그래프에서 출력 노드 결정 규칙에 따라 반복적으로 경로 검사를 수행하여 출력 노드를 결정할 수 있다.
이 때, 출력 노드 결정부(203)는 질의 그래프에서 주어(subject), 서술어(property) 및 목적어(object)로 구성된 단일 그룹을 추출하고, 단일 그룹 중 목적어를 미리 인식하고 있는 지 여부에 따라 주어 또는 서술어 중 어느 하나의 노드를 결정할 수 있다. 그리고, 출력 노드 결정부(203)는 결정된 노드가 다른 단일 그룹의 주어로 되는 지 여부를 고려하여 노드를 출력 노드로 결정할 수 있다. 여기서, 단일 그룹은 온톨로지(207) 상에서 트리플로 정의될 수 있다.
검색 결과 제공부(204)는 출력 노드에 대응하는 검색 질의(205)의 검색 결과(209)를 제공할 수 있다. 일례로, 검색 결과 제공부(204)는 CPC(Click per Cost), CTR(Click Through Ratio), 품질 지수(Quality Index) 또는 랜덤 방식 중 어느 하나의 기준 또는 조합한 기준에 따라 검색 결과(209)를 정렬하여 제공할 수 있다.
도 3은 본 발명의 일실시예에 따른 온톨로지와 지식 베이스와의 관계를 설명하기 위한 도면이다.
도 3을 참고하면, 온톨로지(301)와 지식 베이스(302)는 방향성이 있는 그래프 구조인 것을 알 수 있다. 온톨로지(301)는 영화 도메인의 일부 지식을 표현한 것이다.
온톨로지(301)에서 "Actor(배우), Movie(영화), Director(감독)"는 클래스를 지칭할 수 있다. 이 때, 클래스는 공통된 속성들을 가지는 인스턴스의 집합을 표현하는 의미이며, 온톨로지(301)에서 하나의 노드에 대응될 수 있다. "Actor"와 "Movie"는 "hasMovie"관계에 있다. 이 때, "hasMovie"는 온톨로지(301)에서 하나의 에지에 대응될 수 있다. 온톨로지(301)에서 노드 및 에지 각각은 온톨로지 개념으로 정의될 수 있다.
그리고, 온톨로지(301)의 "Actor"에 연결된 지식 베이스(302)의 "actor_1273"은 정지훈이라는 이름을 가지는 배우(또는 비라는 별명을 가진 배우)를 고유하게 구분하는 아이디를 의미할 수 있다. 이 때, "actor_1273"은 클래스 "Actor"의 인스턴스라는 것을 나타내며, 클래스에 대한 실제 데이터를 의미한다. 마찬가지로, 온톨로지(301)의 "Director"에 연결된 지식 베이스(302)의 "director_5738"은 박찬욱이라는 이름을 가진 감독을 고유하게 구분하는 아이디를 의미할 수 있다.
"actor_1273"과 "movie_9842"는 지식 베이스(302)에서 하나의 노드에 대응될 수 있으며, "actor_1273"과 "movie_9842"의 관계를 나타내는 "hasMovie"는 하나의 에지에 대응될 수 있다. 지식 베이스(302)에서 노드 및 에지 각각은 지식 베이스 개념으로 정의될 수 있다.
온톨로지(301)와 지식 베이스(302)의 그래프 구조는 논리적인 모델이고, 실제 저장될 경우 RDF 트리플 형태로 변환되어 저장될 수 있다. 이 때, 그래프의 노드-에지-노드가 하나의 RDF 트리플로 변환될 수 있다.
도 4는 본 발명의 일실시예에 따라 키워드-개념 맵핑 테이블을 통해 키워드와 온톨로지 개념을 맵핑하는 과정을 설명하기 위한 도면이다.
도 4를 참고하면, 키워드-개념 맵핑 테이블(401), 온톨로지(402) 및 지식 베이스(403)가 도시된다.
사용자로부터 적어도 하나의 키워드로 구성된 검색 질의(404)가 입력되면, 컨텐츠 검색 시스템은 검색 질의(404)를 파싱하여 키워드를 추출할 수 있다. 컨텐츠 검색 시스템은 추출한 키워드와 온톨로지(402)의 온톨로지 개념과 서로 맵핑 시킬 수 있다. 일례로, 컨텐츠 검색 시스템은 키워드-개념 맵핑 테이블(401)을 이용하여 키워드와 온톨로지 개념을 맵핑 시킬 수 있다.
키워드-개념 맵핑 테이블(401)은 온톨로지(402) 및 지식 베이스(403)의 자연어 표현인 키워드를 온톨로지 개념과 맵핑하여 기록된 색인 데이터 구조일 수 있 다. 도 4에 도시된 키워드-개념 맵핑 테이블(401)을 참고하면, "비"라는 키워드는 "Actor-hasOtherName"이라는 온톨로지 개념과 맵핑 될 수 있다. 그리고, "임수정"이라는 키워드는 "Actor-hasName"이라는 온톨로지 개념과 맵핑될 수 있으며, "영화"라는 키워드는 "O::Movie"라는 온톨로지 개념과 맵핑될 수 있다. 여기서, "비"와 "임수정"라는 키워드는 데이터 타입으로 (클래스-속성)의 온톨로지 개념으로 맵핑될 수 있다. 그리고, "영화"라는 키워드는 그 자체로 클래스를 의미하기 때문에, 클래스(Movie)의 온톨로지 개념으로 맵핑될 수 있다. 다만, 데이터 타입과 구분하기 위해 클래스 앞에 O::를 적용할 수 있다.
이 때, 온톨로지(402)에 도시된 그래프 형태는 키워드와 맵핑된 온톨로지 개념의 조합을 통해 생성된 것이다. 하나의 온톨로지 개념의 조합에 대해 복수의 그래프 형태가 도출될 수 있다.
도 5는 본 발명의 일실시예에 따른 키워드-개념 맵핑 테이블의 일례를 도시한 도면이다.
도 5의 키워드-개념 맵핑 테이블에서 키워드는 온톨로지 및 지식 베이스의 자연어 표현을 의미한다. 그리고, 온톨로지 개념은 온톨로지에서 키워드에 대응하는 노드 또는 속성을 의미할 수 있다.
온톨로지 개념의 경우, 자연어 표현이 레이블(label) 형태로 설정될 수 있다. 예를 들어, 도 3에서 볼 수 있듯이, "Movie" 클래스에는 "영화"라는 레이블이 설정되어 있고, "Actor" 클래스에는 "배우" 또는 "영화 배우"라는 레이블이 설정될 수 있다. 또한, "Actor" 클래스의 "hasMovie"라는 속성에는 "출연영화" 또는 "출 연"이라는 레이블이 설정될 수 있다. 설정된 레이블은 키워드-개념 맵핑 테이블에서 색인이 될 수 있다.
그리고, 특정 키워드에 대해 복수의 온톨로지 개념이 존재할 수 있다. 도 5를 참고하면, 도메인이 영화인 온톨로지에서 "이름"이라는 키워드는 영화 배우의 이름이 되거나 또는 영화 감독의 이름이 될 수 있다. 따라서, "이름"이라는 키워드는 온톨로지 개념이 "O::Actor-hasName" 또는 "O::Director-hasName"이 될 수 있다.
이러한 키워드-개념 맵핑 테이블을 통해 검색 질의로부터 추출된 키워드가 보다 신속하게 온톨로지 상의 온톨로지 개념과 맵핑될 수 있다.
도 6은 본 발명의 일실시예에 따라 키워드-개념 맵핑 테이블을 통해 키워드와 맵핑되는 온톨로지 개념의 조합을 설명하기 위한 도면이다.
도 6을 참고하면, 검색 질의(601)는 "비, 임수정, 영화"라는 키워드로 구성된다고 가정한다. 컨텐츠 검색 시스템은 검색 질의(601)를 파싱하여 적어도 하나의 키워드를 추출할 수 있다. 컨텐츠 검색 시스템은 검색 질의의 띄어쓰기를 고려하여 검색 질의를 파싱할 수 있다. 일례로, 컨텐츠 검색 시스템은 키워드-개념 맵핑 테이블(602)을 고려하여 검색 질의를 파싱할 수 있다.
예를 들어, 검색 질의가 "사이보그지만 괜찮아"인 경우, 컨텐츠 검색 시스템은 키워드-개념 맵핑 테이블에 존재하지 않는 "사이보그지만"과 "괜찮아"로 분리하여 키워드를 추출할 수 없고, "사이보그지만 괜찮아"라는 하나의 키워드로 추출할 수 있다.
그리고, 분리될 수 있는 키워드가 붙여져 검색 질의를 구성하는 경우(예를 들면, 일본영화), 컨텐츠 검색 시스템은 키워드를 분리하여 파싱할 수 있다. 또한, 외국어를 음역한 경우, 컨텐츠 검색 시스템은 다양한 음역 표기를 고려하여 키워드를 추출할 수 있다. 그리고, 컨텐츠 검색 시스템은 추출한 키워드에 대한 동의어, 유사어, 연관어에 대한 키워드-개념 맵핑 테이블을 구축할 수도 있다.
이렇게 추출된 키워드는 키워드-개념 맵핑 테이블(602)을 통해 온톨로지 개념과 맵핑될 수 있다. 검색 질의(601)로부터 추출된 키워드가 온톨로지 개념과 맵핑된 개념 맵핑 결과(603)는 도 6에 도시되어 있다.
만약, "비"라는 키워드가 배우의 별명이거나 또는 영화의 제목인 경우, "비"라는 키워드는 온톨로지 개념 (Actor-hasOtherName)과 (Movie-ofTitle)에 맵핑될 수 있다. 그래서, 개념 맵핑 결과(603)도 조합 1과 조합 2로 구분되어 결정될 수 있으며, 추후 개념 맵핑 결과(603)의 조합에 따라 질의 그래프가 생성될 수 있다. 컨텐츠 검색 시스템은 온톨로지의 도메인 지식을 사용하여 맵핑된 온톨로지 개념의 조합 중 사용자의 검색 의도와 가장 관련이 있는 조합을 추정할 수 있다.
도 7 내지 도 10은 도 6에 도시된 온톨로지 개념의 조합으로부터 생성 가능한 질의 그래프의 일례를 나타낸다. 특정 조건이 설정되면, 도 7 내지 도 10에 도시된 질의 그래프는 생성되지 않을 수 있다. 예를 들어, 특정 조건은 노드 간 최대 거리나 또는 실제 데이터가 존재하는 지 여부일 수 있다.
컨텐츠 검색 시스템은 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정할 수 있다. 이 때, 컨텐츠 검색 시스템은 온톨로지에서 맵핑 된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성할 수 있다.
일례로, 컨텐츠 검색 시스템은 온톨로지 개념에 대응하는 노드 간 최대 거리를 만족하는 질의 그래프를 생성할 수 있다. 또한, 컨텐츠 검색 시스템은 실제 데이터가 지식 베이스에 존재하는 질의 그래프를 생성할 수 있다.
도 7은 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 1로부터 결정된 질의 그래프 1-1을 도시한 도면이다.
도 6의 결과를 참고하면, 도 7은 검색 질의(701)를 구성하는 키워드 "비", "임수정", "영화"에 대해 온톨로지 개념이 키워드-개념 맵핑 테이블(702)을 통해 각각 "Actor-hasOtherName", "Actor-hasName" 및 "O::Movie"로 맵핑된 조합 1에 관한 질의 그래프 1-1를 생성하는 과정을 나타낸다. 즉, 맵핑된 온톨로지 개념을 통해, 비는 배우의 별명, 임수정은 배우의 이름, 영화는 영화 그 자체를 의미할 수 있다.
도 7에서 볼 수 있듯이, 온톨로지(703)의 온톨로지 개념을 이용하여 온톨로지 개념의 조합 1에 대한 질의 그래프 1-1이 생성된 것을 알 수 있다. 도 7의 질의 그래프를 통해 사용자의 검색 의도는 별명이 비이고, 이름이 임수정인 배우가 출연한 영화를 검색하는 것으로 해석될 수 있다.
만약, 별명이 비이고, 이름이 임수정인 배우가 존재하지 않는다면, 도 7의 질의 그래프는 의미가 없을 수 있다. 의미가 없는 질의 그래프는 최종적으로 사용자의 검색 질의에 적합한 질의 그래프를 결정할 때 배제될 수 있다.
도 8은 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 1로부터 결 정된 질의 그래프 1-2를 도시한 도면이다.
도 6의 결과를 참고하면, 도 8은 검색 질의(801)를 구성하는 키워드 "비", "임수정", "영화"에 대해 온톨로지 개념이 키워드-개념 맵핑 테이블(802)을 통해 각각 "Actor-hasOtherName", "Actor-hasName" 및 "O::Movie"로 맵핑된 조합 1에 관한 질의 그래프 1-2를 생성하는 과정을 나타낸다. 즉, 맵핑된 온톨로지 개념을 통해, 비는 배우의 별명, 임수정은 배우의 이름, 영화는 영화 그 자체를 의미할 수 있다.
도 8에서 볼 수 있듯이, 온톨로지(703)의 온톨로지 개념을 이용하여 온톨로지 개념의 조합 1에 대한 질의 그래프 1-2가 생성된 것을 알 수 있다. 도 8의 질의 그래프를 통해 사용자의 검색 의도는 별명이 비인 배우와 이름이 임수정인 배우가 출연한 영화를 검색하는 것으로 해석될 수 있다.
도 9는 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 2로부터 결정된 질의 그래프 2-1을 도시한 도면이다.
도 6의 결과를 참고하면, 도 9는 검색 질의(901)를 구성하는 키워드 "비", "임수정", "영화"에 대해 온톨로지 개념이 키워드-개념 맵핑 테이블(902)을 통해 각각 "Movie-ofTitle", "Actor-hasName" 및 "O::Movie"로 맵핑된 조합 2에 관한 질의 그래프 2-1을 생성하는 과정을 나타낸다. 즉, 맵핑된 온톨로지 개념을 통해, 비는 영화의 제목, 임수정은 배우의 이름, 영화는 영화 그 자체를 의미할 수 있다.
도 9에서 볼 수 있듯이, 온톨로지(903)의 온톨로지 개념을 이용하여 온톨로지 개념의 조합 2에 대한 질의 그래프 2-1이 생성된 것을 알 수 있다. 도 9의 질의 그래프를 통해 사용자의 검색 의도는 이름이 임수정인 배우가 출연한 영화 중 영화 제목이 비인 영화를 검색하는 것으로 해석될 수 있다.
도 10은 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 2로부터 결정된 질의 그래프 2-2를 도시한 도면이다.
도 6의 결과를 참고하면, 도 10은 검색 질의(1001)를 구성하는 키워드 "비", "임수정", "영화"에 대해 온톨로지 개념이 키워드-개념 맵핑 테이블(1002)을 통해 각각 "Movie-ofTitle", "Actor-hasName" 및 "O::Movie"로 맵핑된 조합 2에 관한 질의 그래프 2-2를 생성하는 과정을 나타낸다. 즉, 맵핑된 온톨로지 개념을 통해, 비는 영화의 제목, 임수정은 배우의 이름, 영화는 영화 그 자체를 의미할 수 있다.
도 10에서 볼 수 있듯이, 온톨로지(1003)의 온톨로지 개념을 이용하여 온톨로지 개념의 조합 2에 대한 질의 그래프 2-2가 생성된 것을 알 수 있다. 도 10의 질의 그래프를 통해 사용자의 검색 의도는 이름이 임수정인 배우가 출연한 영화와 이름이 임수정인 배우가 출연한 영화 중 영화 제목이 비인 영화를 검색하는 것으로 해석될 수 있다.
도 11은 본 발명의 일실시예에 따라 결정된 질의 그래프를 데이터 형태로 치환한 결과를 도시한 도면이다. 이 때, 도 11은 도 7 내지 도 10 중 사용자의 검색 질의에 적합한 질의 그래프가 도시된 것이다.
컨텐츠 검색 시스템은 맵핑된 온톨로지 개념을 이용하여 온톨로지에서 질의 그래프를 결정할 수 있다. 구체적으로, 컨텐츠 검색 시스템은 온톨로지에서 맵핑된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성할 수 있다.
이 때, 컨텐츠 검색 시스템은 온톨로지 개념에 대응하는 노드 간 최대 거리를 만족하는 질의 그래프를 생성할 수 있다. 여기서, 노드 간 최대 거리는 온톨로지 개념에 대응하는 제1 개념 노드와 제2 개념 노드를 연결하는 경로에서 경로에 존재하는 노드의 개수에 미리 설정한 값을 적용한 것을 의미할 수 있다. 또한, 컨텐츠 검색 시스템은 실제 데이터가 지식 베이스에 존재하는 질의 그래프를 생성할 수 있다.
그리고, 컨텐츠 검색 시스템은 생성된 질의 그래프를 정렬하여 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출할 수 있다. 이 때, 컨텐츠 검색 시스템은 적어도 하나의 질의 그래프 중 온톨로지 개념에 대응하는 노드와 에지 간의 거리가 상대적으로 가까운 질의 그래프를 우선하여 추출할 수 있다.
만약, 별명이 비이고, 이름이 임수정인 배우가 존재하지 않는다면, 도 7 에 도시된 질의 그래프 1-1은 의미가 없는 그래프이므로 생성되지 않을 수 있다.
또한, 만약 이름이 임수정이라는 배우가 비라는 영화 제목의 영화에 출연한 경우가 없다면, 도 9에 도시된 질의 그래프 2-1도 의미가 없는 그래프이므로 생성되지 않을 수 있다.
그리고, 노드 간 최대 거리를 2로 설정하는 경우, 도 10에 도시된 질의 그래프 2-2의 최대 거리는 3이기 때문에, 질의 그래프 2-2는 처음부터 생성되지 않을 수 있다.
이러한 과정을 통해 최종적으로 도 8에 도시된 질의 그래프 1-2가 결정될 수 있다. 만약, 질의 그래프가 2개가 결정되면, 컨텐츠 검색 시스템은 사용자의 검색 의도에 보다 적합한 질의 그래프를 결정할 수 있다.
결정된 질의 그래프에서 출력 노드를 결정하기 위해 데이터 타입의 노드는 데이터 노드로 치환할 필요가 있다. 도 11을 참고하면, 컨텐츠 검색 시스템은 질의 그래프 1-2에서 Actor 노드에 대해 hasOtherName 속성을 갖는 노드를 "비"로 치환할 수 있고, Actor 노드에 대해 hasName 속성을 갖는 노드를 "임수정"으로 치환할 수 있다. 이 때, 질의 그래프 1-2에서 어떤 노드가 출력 노드로 결정할 지 여부가 문제될 수 있다.
도 12는 본 발명의 일실시예에 따라 출력 노드 결정 규칙을 통해 질의 그래프에서 출력 노드를 결정하는 과정을 설명하기 위한 도면이다.
컨텐츠 검색 시스템은 결정된 질의 그래프에서 출력 노드 결정 규칙에 따라 반복적으로 경로 검사를 수행하여 출력 노드를 결정할 수 있다. 구체적으로, 컨텐츠 검색 시스템은 질의 그래프에서 주어, 서술어 및 목적어로 구성된 단일 그룹을 추출하고, 단일 그룹 중 목적어를 미리 인식하고 있는 지 여부에 따라 주어 또는 서술어 중 어느 하나의 노드를 결정할 수 있다. 그리고, 컨텐츠 검색 시스템은 결정된 노드가 다른 단일 그룹의 주어로 되는 지 여부를 고려하여 노드를 출력 노드로 결정할 수 있다.
도 12를 참고하면, 단계(S1201)에서, 질의 그래프가 입력될 수 있다. 그리고, 단계(S1202)에서, 컨텐츠 검색 시스템은 질의 그래프에서 단일 그룹(단일 SPO)를 추출할 수 있다. 여기서, 단일 그룹은 질의 그래프에서 노드(주어)->에지(서술어)->노드(목적어)를 의미할 수 있다.
단계(S1203)에서, 컨텐츠 검색 시스템은 목적어(Object: O)를 이미 알고 있는 지 여부를 판단할 수 있다. 목적어를 이미 알고 있는 지 여부는 실제 데이터가 존재하는 것인지 여부(즉, 데이터 노드인지 여부)로 판단될 수 있다.
만약, 목적어를 알고 있지 않다면, 단계(S1204)에서, 컨텐츠 시스템은 목적어를 선택할 수 있고, 목적어를 알고 있다면, 단계(S1205)에서, 컨텐츠 시스템은 주어(Subject: S)를 선택할 수 있다.
단계(S1206)에서, 컨텐츠 검색 시스템은 결정된 노드가 다른 단일 그룹의 주어로 되는 지 여부를 판단할 수 있다. 만약, 결정된 노드가 다른 단일 그룹의 주어로 되면, 컨텐츠 시스템은 단계(S1202)로 되돌아가서 출력 노드 결정 규칙을 반복하여 수행할 수 있다. 그리고, 결정된 노드가 다른 단일 그룹의 주어가 아닌 경우, 단계(S1207)에서, 컨텐츠 검색 시스템은 결정된 노드를 출력 노드로 결정할 수 있다.
도 13는 본 발명의 일실시예에 따라 출력 노드 결정 규칙을 설명하기 위한 일례를 도시한 도면이다.
도 13을 참고하면, 도 11의 질의 그래프 1-2가 도시되어 있다. 먼저, 컨텐츠 검색 시스템은 질의 그래프에서 단일 그룹(SPO)를 추출할 수 있다. 일례로, 컨텐츠 검색 시스템은 질의 그래프의 끝 부분부터 단일 그룹을 추출할 수 있다.
첫 번째 루프에서, 컨텐츠 검색 시스템은 단일 SPO인
Figure 112009013646520-pat00001
를 추출할 수 있다. 단일 그룹인
Figure 112009013646520-pat00002
에서, Actor는 주어(subject)를 의미하고, hasOtherName은 서술어(Property)를 의미하며, 비는 목적어(object)를 의미한다.
마찬가지로, 첫 번째 루프에서, 컨텐츠 검색 시스템은 단일 SPO인
Figure 112009013646520-pat00003
에 대해 클래스를 추출할 수 있다. 여기서, 단일 그룹인
Figure 112009013646520-pat00004
에서, Actor는 주어(subject)를 의미하고, hasName은 서술어(Property)를 의미하며, 임수정은 목적어(object)를 의미한다.
그러면, 컨텐츠 검색 시스템은 단일 그룹에서 목적어가 미리 알고 있는 지 여부를 판단할 수 있다. 위의 예에서, 목적어인 비와 임수정은 키워드로 입력되었고, 데이터 노드이기 때문에 미리 알고 있는 것으로 판단될 수 있다. 따라서, 컨텐츠 검색 시스템은 상기 단일 그룹 각각에서 주어인 Actor를 출력 노드로 결정할 수 있다.
두 번째 루프에서, 컨텐츠 검색 시스템은 출력 노드로 결정된 Actor가 다른 단일 그룹의 주어로 되는 지 여부를 판단할 수 있다. 질의 그래프 1-2에 포함된 단일 그룹
Figure 112009013646520-pat00005
와
Figure 112009013646520-pat00006
을 참고하면, Actor는 다른 단일 그룹의 주어가 된 것을 알 수 있다. 그러면, 컨텐츠 검색 시스템은 출력 노드 결정 규칙을 반복적으로 적용할 수 있다.
두 번째 루프에서, 단일 그룹
Figure 112009013646520-pat00007
및
Figure 112009013646520-pat00008
의 경우, 목적어인 Movie가 미리 인식하고 있는 것이 아니기 때문에, 단일 그룹에서 목적어인 Movie가 출력 노드로 결정될 수 있다.
그리고, Movie가 다른 단일 그룹의 주어로 되지 않기 때문에 루프는 종료하고, 최종적으로 Movie 노드가 출력 노드로 결정될 수 있다. 결국, 질의 그래프 1-2에서 결정된 출력 노드를 고려하면, 컨텐츠 검색 시스템은 사용자의 검색 의도가 별명이 비인 배우와 이름이 임수정인 배우가 출연한 영화를 검색한 것이라고 파악할 수 있다. 그러면, 컨텐츠 검색 시스템은 별명이 비인 배우와 이름이 임수정인 배우가 출연한 영화에 관한 검색 결과를 사용자에게 제공할 수 있다.
도 14는 본 발명의 일실시예에 따른 컨텐츠 검색 방법의 전체 과정을 도시한 플로우차트이다.
단계(S1401)에서, 컨텐츠 검색 시스템은 검색 질의를 파싱하여 적어도 하나의 키워드를 추출할 수 있다. 일례로, 컨텐츠 검색 시스템은 띄어쓰기 및 키워드-개념 맵핑 테이블을 고려하여 검색 질의를 파싱할 수 있다.
단계(S1402)에서, 컨텐츠 검색 시스템은 키워드-개념 맵핑 테이블을 이용하여 키워드와 온톨로지 개념을 맵핑 할 수 있다. 온톨로지 개념은 방향성이 있는 그래프 구조인 온톨로지에서 키워드와 맵핑되는 노드 및 에지로 구성될 수 있다. 이 때, 에지는 노드의 속성일 수 있다.
그리고, 온톨로지는 실제 데이터를 표현하는 지식 베이스와 연결될 수 있다. 지식 베이스도 온톨로지와 마찬가지로, 방향성이 있는 그래프 구조로서, 지식 베이스의 노드 및 에지를 포함하는 지식 베이스 개념으로 구성될 수 있다.
일례로, 컨텐츠 검색 시스템은 키워드-개념 맵핑 테이블을 이용하여 키워드에 대응하는 온톨로지 개념을 검색하고, 생성 가능한 온톨로지 개념의 조합을 추출할 수 있다. 이 때, 키워드에 대응하는 온톨로지 개념은 적어도 하나일 수 있다. 키워드-개념 맵핑 테이블은 온톨로지 및 지식 베이스의 자연어 표현인 키워드를 온톨로지 개념과 맵핑하여 기록한 색인 데이터 구조일 수 있다.
단계(S1403)에서, 컨텐츠 검색 시스템은 온톨로지 개념을 이용하여 온톨로지에서 적어도 하나의 질의 그래프를 생성할 수 있다. 이 때, 컨텐츠 검색 시스템은 온톨로지에서 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성할 수 있다.
일례로, 컨텐츠 검색 시스템은 온톨로지 개념에 대응하는 노드 간 최대 거리를 만족하는 질의 그래프를 생성할 수 있다. 이 때, 노드 간 최대 거리는 온톨로지 개념에 대응하는 제1 개념 노드와 제2 개념 노드를 연결하는 경로에서 경로에 존재하는 노드의 개수에 미리 설정한 값을 적용한 값일 수 있다.
다른 일례로, 컨텐츠 검색 시스템은 실제 데이터가 지식 베이스에 존재하는 질의 그래프를 생성할 수 있다.
단계(S1404)에서, 컨텐츠 검색 시스템은 질의 그래프를 검색 질의와의 적합 도에 따라 정렬하여 검색 질의에 적합한 질의 그래프를 결정할 수 있다. 일례로, 컨텐츠 검색 시스템은 적어도 하나의 질의 그래프 중 온톨로지 개념에 대응하는 노드와 에지 간의 거리가 상대적으로 가까운 질의 그래프를 우선하여 추출할 수 있다. 즉, 컨텐츠 검색 시스템은 복수의 질의 그래프에서 노드와 에지 간의 거리가 상대적으로 가까운 질의 그래프를 검색 질의에 적합한 질의 그래프로 결정할 수 있다.
단계(S1405)에서, 컨텐츠 검색 시스템은 질의 그래프에서 검색 질의의 검색 결과에 대응하는 출력 노드를 결정할 수 있다. 일례로, 컨텐츠 검색 시스템은 결정된 질의 그래프에서 출력 노드 결정 규칙에 따라 반복적으로 경로 검사를 수행하여 출력 노드를 결정할 수 있다.
구체적으로, 컨텐츠 검색 시스템은 질의 그래프에서 주어, 서술어 및 목적어로 구성된 단일 그룹을 추출하고, 단일 그룹 중 목적어를 미리 인식하고 있는 지 여부에 따라 주어 또는 서술어 중 어느 하나의 노드를 결정할 수 있다. 그리고, 컨텐츠 검색 시스템은 결정된 노드가 다른 단일 그룹의 주어로 되는 지 여부를 고려하여 앞서 결정된 노드를 출력 노드로 결정할 수 있다.
단계(S1406)에서, 컨텐츠 검색 시스템은 출력 노드에 대응하는 검색 질의의 검색 결과를 검색하여 제공할 수 있다. 일례로, 컨텐츠 검색 시스템은 CPC(Click per Cost), CTR(Click Through Ratio), 품질 지수(Quality Index) 또는 랜덤 방식 중 어느 하나의 기준 또는 조합한 기준에 따라 검색 결과를 정렬하여 제공할 수 있다.
도 14에서 설명되지 않은 부분은 도 1 내지 도 13의 설명을 참고할 수 있다.
또한 본 발명의 일실시예에 따른 온톨로지를 이용한 컨텐츠 검색 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
도 1은 본 발명의 일실시예에 따른 온톨로지를 이용하여 검색 질의에 대한 검색 결과를 제공하는 과정을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 컨텐츠 검색 시스템의 전체 구성을 도시한 블록 다이어그램이다.
도 3은 본 발명의 일실시예에 따른 온톨로지와 지식 베이스와의 관계를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따라 키워드-개념 맵핑 테이블을 통해 키워드와 온톨로지 개념을 맵핑하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 키워드-개념 맵핑 테이블의 일례를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따라 키워드-개념 맵핑 테이블을 통해 키워드와 맵핑되는 온톨로지 개념의 조합을 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 1로부터 결정된 질의 그래프 1-1을 도시한 도면이다.
도 8은 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 1로부터 결정된 질의 그래프 1-2를 도시한 도면이다.
도 9는 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 2로부터 결정된 질의 그래프 2-1을 도시한 도면이다.
도 10은 본 발명의 일실시예에 따라 도 6의 온톨로지 개념의 조합 2로부터 결정된 질의 그래프 2-2를 도시한 도면이다.
도 11은 본 발명의 일실시예에 따라 결정된 질의 그래프를 데이터 형태로 치환한 결과를 도시한 도면이다.
도 12는 본 발명의 일실시예에 따라 출력 노드 결정 규칙을 통해 질의 그래프에서 출력 노드를 결정하는 과정을 설명하기 위한 도면이다.
도 13는 본 발명의 일실시예에 따라 출력 노드 결정 규칙을 설명하기 위한 일례를 도시한 도면이다.
도 14는 본 발명의 일실시예에 따른 컨텐츠 검색 방법의 전체 과정을 도시한 플로우차트이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 정보 모델
101: 온톨로지
102: 지식 베이스
103: 검색 질의
104: 키워드-개념 맵핑 테이블
105: 검색 결과

Claims (33)

  1. 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 키워드 맵핑부;
    상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 질의 그래프 결정부; 및
    상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 출력 노드 결정부
    를 포함하고,
    상기 질의 그래프 결정부는,
    상기 온톨로지에서 상기 맵핑된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성하고,
    상기 생성된 질의 그래프를 정렬하여 상기 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  2. 제1항에 있어서,
    상기 온톨로지 개념은,
    방향성이 있는 그래프 구조인 상기 온톨로지에서 상기 키워드와 맵핑되는 노드 및 에지로 구성되고,
    상기 에지는,
    상기 노드의 속성인 것을 특징으로 하는 컨텐츠 검색 시스템.
  3. 제2항에 있어서,
    상기 온톨로지는,
    상기 온톨로지의 실제 데이터를 표현하는 지식 베이스와 연결되고,
    상기 지식 베이스는,
    방향성이 있는 그래프 구조로, 상기 지식 베이스의 노드 및 에지를 포함하는 지식 베이스 개념으로 구성되는 것을 특징으로 하는 컨텐츠 검색 시스템.
  4. 제1항에 있어서,
    상기 키워드 맵핑부는,
    키워드-개념 맵핑 테이블을 이용하여 상기 키워드와 상기 온톨로지 개념을 맵핑하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  5. 제4항에 있어서,
    상기 키워드 맵핑부는,
    상기 키워드-개념 맵핑 테이블을 이용하여 상기 추출한 키워드에 대응하는 상기 온톨로지 개념을 검색하고, 생성 가능한 상기 온톨로지 개념의 조합을 추출하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  6. 제4항에 있어서,
    상기 키워드-개념 맵핑 테이블은,
    상기 온톨로지 및 지식 베이스의 자연어 표현인 키워드를 상기 온톨로지 개념과 맵핑하여 기록된 색인 데이터 구조인 것을 특징으로 하는 컨텐츠 검색 시스템.
  7. 삭제
  8. 제1항에 있어서,
    상기 질의 그래프 결정부는,
    상기 온톨로지 개념에 대응하는 노드 간 최대 거리를 만족하는 질의 그래프를 생성하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  9. 제8항에 있어서,
    상기 노드 간 최대 거리는,
    상기 온톨로지 개념에 대응하는 제1 개념 노드와 제2 개념 노드를 연결하는 경로에서 상기 경로에 존재하는 노드의 개수에 미리 설정한 값을 적용한 것을 특징으로 하는 컨텐츠 검색 시스템.
  10. 제1항에 있어서,
    상기 질의 그래프 결정부는,
    실제 데이터가 지식 베이스에 존재하는 질의 그래프를 생성하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  11. 제1항에 있어서,
    상기 질의 그래프 결정부는,
    상기 적어도 하나의 질의 그래프를 상기 검색 질의와의 적합도에 따라 정렬하여 상기 검색 질의에 적합한 질의 그래프를 추출하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  12. 제11항에 있어서,
    상기 질의 그래프 결정부는,
    상기 적어도 하나의 질의 그래프 중 상기 온톨로지 개념에 대응하는 노드와 에지 간의 거리가 상대적으로 가까운 질의 그래프를 우선하여 추출하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  13. 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 키워드 맵핑부;
    상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 질의 그래프 결정부; 및
    상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 출력 노드 결정부
    를 포함하고,
    상기 출력 노드 결정부는,
    상기 결정된 질의 그래프에서 출력 노드 결정 규칙에 따라 반복적으로 경로 검사를 수행하여 출력 노드를 결정하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  14. 제13항에 있어서,
    상기 출력 노드 결정부는,
    상기 질의 그래프에서 주어, 서술어 및 목적어로 구성된 단일 그룹을 추출하고, 상기 단일 그룹 중 목적어를 미리 인식하고 있는 지 여부에 따라 상기 주어 또는 서술어 중 어느 하나의 노드를 결정하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  15. 제14항에 있어서,
    상기 출력 노드 결정부는,
    상기 결정된 노드가 다른 단일 그룹의 주어로 되는 지 여부를 고려하여 상기 노드를 출력 노드로 결정하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  16. 제1항에 있어서,
    상기 출력 노드에 대응하는 검색 질의의 검색 결과를 제공하는 검색 결과 제공부
    를 더 포함하는 컨텐츠 검색 시스템.
  17. 제16항에 있어서,
    상기 검색 결과 제공부는,
    CPC(Click per Cost), CTR(Click Through Ratio), 품질 지수(Quality Index) 또는 랜덤 방식 중 어느 하나의 기준 또는 조합한 기준에 따라 상기 검색 결과를 정렬하여 제공하는 것을 특징으로 하는 컨텐츠 검색 시스템.
  18. 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 단계;
    상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 단계; 및
    상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 단계
    를 포함하고,
    상기 온톨로지에서 질의 그래프를 결정하는 단계는,
    상기 온톨로지에서 상기 맵핑된 온톨로지 개념에 대응하는 노드 또는 에지를 포함하는 적어도 하나의 질의 그래프를 생성하는 단계; 및
    상기 생성된 질의 그래프를 정렬하여 상기 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출하는 단계
    를 포함하는 컨텐츠 검색 방법.
  19. 제18항에 있어서,
    상기 온톨로지 개념은,
    방향성이 있는 그래프 구조인 상기 온톨로지에서 상기 키워드와 맵핑되는 노드 및 에지로 구성되고,
    상기 에지는,
    상기 노드의 속성인 것을 특징으로 하는 컨텐츠 검색 방법.
  20. 제19항에 있어서,
    상기 온톨로지는,
    상기 온톨로지의 실제 데이터를 표현하는 지식 베이스와 연결되고,
    상기 지식 베이스는,
    방향성이 있는 그래프 구조로, 상기 지식 베이스의 노드 및 에지를 포함하는 지식 베이스 개념으로 구성되는 것을 특징으로 하는 컨텐츠 검색 방법.
  21. 제18항에 있어서,
    상기 온톨로지 개념을 맵핑하는 단계는,
    키워드-개념 맵핑 테이블을 이용하여 상기 키워드에 대응하는 상기 온톨로지 개념을 검색하는 단계; 및
    생성 가능한 상기 온톨로지 개념의 조합을 추출하는 단계
    를 포함하는 컨텐츠 검색 방법.
  22. 제21항에 있어서,
    상기 키워드-개념 맵핑 테이블은,
    상기 온톨로지 및 지식 베이스의 자연어 표현인 키워드를 상기 온톨로지 개념과 맵핑하여 기록된 색인 데이터 구조인 것을 특징으로 하는 컨텐츠 검색 방법.
  23. 삭제
  24. 제18항에 있어서,
    상기 적어도 하나의 질의 그래프를 생성하는 단계는,
    상기 온톨로지 개념에 대응하는 노드 간 최대 거리를 만족하는 질의 그래프를 생성하는 것을 특징으로 하는 컨텐츠 검색 방법.
  25. 제24항에 있어서,
    상기 노드 간 최대 거리는,
    상기 온톨로지 개념에 대응하는 제1 개념 노드와 제2 개념 노드를 연결하는 경로에서 상기 경로에 존재하는 노드의 개수에 미리 설정한 값을 적용한 것을 특징으로 하는 컨텐츠 검색 방법.
  26. 제18항에 있어서,
    상기 적어도 하나의 질의 그래프를 생성하는 단계는,
    실제 데이터가 지식 베이스에 존재하는 질의 그래프를 생성하는 것을 특징으로 하는 컨텐츠 검색 방법.
  27. 제18항에 있어서,
    상기 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출하는 단계는,
    상기 적어도 하나의 질의 그래프를 상기 검색 질의와의 적합도에 따라 정렬하여 상기 검색 질의에 적합한 질의 그래프를 추출하는 것을 특징으로 하는 컨텐츠 검색 방법.
  28. 제27항에 있어서,
    상기 적어도 하나의 질의 그래프 중 검색 질의에 적합한 질의 그래프를 추출하는 단계는,
    상기 적어도 하나의 질의 그래프 중 상기 온톨로지 개념에 대응하는 노드와 에지 간의 거리가 상대적으로 가까운 질의 그래프를 우선하여 결정하는 것을 특징으로 하는 컨텐츠 검색 방법.
  29. 온톨로지를 통해 검색 질의로부터 추출한 키워드와 상기 키워드에 대응하는 온톨로지 개념을 맵핑하는 단계;
    상기 맵핑된 온톨로지 개념을 이용하여 상기 온톨로지에서 질의 그래프를 결정하는 단계; 및
    상기 결정된 질의 그래프에서 상기 검색 질의의 검색 결과에 대응하는 출력 노드를 결정하는 단계
    를 포함하고,
    상기 출력 노드를 결정하는 단계는,
    상기 결정된 질의 그래프에서 출력 노드 결정 규칙에 따라 반복적으로 경로 검사를 수행하여 출력 노드를 결정하는 것을 특징으로 하는 컨텐츠 검색 방법.
  30. 제29항에 있어서,
    상기 출력 노드를 결정하는 단계는,
    상기 질의 그래프에서 주어, 서술어 및 목적어로 구성된 단일 그룹을 추출하는 단계;
    상기 단일 그룹 중 목적어를 미리 인식하고 있는 지 여부에 따라 상기 주어 또는 서술어 중 어느 하나의 노드를 결정하는 단계; 및
    상기 결정된 노드가 다른 단일 그룹의 주어로 되는 지 여부를 고려하여 상기 노드를 출력 노드로 선택하는 단계
    를 포함하는 컨텐츠 검색 방법.
  31. 제18항에 있어서,
    상기 출력 노드에 대응하는 검색 질의의 검색 결과를 제공하는 단계
    를 더 포함하는 컨텐츠 검색 방법.
  32. 제31항에 있어서,
    상기 검색 질의의 검색 결과를 제공하는 단계는,
    CPC(Click per Cost), CTR(Click Through Ratio), 품질 지수(Quality Index) 또는 랜덤 방식 중 어느 하나의 기준 또는 조합한 기준에 따라 상기 검색 결과를 정렬하여 제공하는 것을 특징으로 하는 컨텐츠 검색 방법.
  33. 제18항 내지 제22항, 제24항 내지 제32항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
KR1020090019001A 2009-03-05 2009-03-05 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법 KR101048546B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020090019001A KR101048546B1 (ko) 2009-03-05 2009-03-05 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법
JP2010045285A JP5227985B2 (ja) 2009-03-05 2010-03-02 オントロジを用いたコンテンツ検索システムおよび方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090019001A KR101048546B1 (ko) 2009-03-05 2009-03-05 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20100100231A KR20100100231A (ko) 2010-09-15
KR101048546B1 true KR101048546B1 (ko) 2011-07-11

Family

ID=42966621

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090019001A KR101048546B1 (ko) 2009-03-05 2009-03-05 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법

Country Status (2)

Country Link
JP (1) JP5227985B2 (ko)
KR (1) KR101048546B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9971835B2 (en) 2013-11-27 2018-05-15 Naver Corporation Personalized data search system and method thereof
CN108319627A (zh) * 2017-02-06 2018-07-24 腾讯科技（深圳）有限公司 关键词提取方法以及关键词提取装置
US10942972B2 (en) 2014-12-26 2021-03-09 Samsung Electronics Co., Ltd. Query processing method, electronic device, and server

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5651789B2 (ja) * 2011-02-16 2015-01-14 エンパイア テクノロジー ディベロップメント エルエルシー 意味的に制限された関係を使用したクエリの実行
CN102708104B (zh) * 2011-03-28 2015-03-11 日电（中国）有限公司 对文档排序的方法和设备
KR101401029B1 (ko) * 2011-06-15 2014-05-29 성균관대학교산학협력단 맞춤 정보 추출 시스템 및 방법
CN103324644B (zh) * 2012-03-23 2016-05-11 日电（中国）有限公司 一种查询结果多样化方法及装置
US9424233B2 (en) 2012-07-20 2016-08-23 Veveo, Inc. Method of and system for inferring user intent in search input in a conversational interaction system
US9465833B2 (en) 2012-07-31 2016-10-11 Veveo, Inc. Disambiguating user intent in conversational interaction system for large corpus information retrieval
JP6074702B2 (ja) * 2012-12-04 2017-02-08 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 情報処理装置及び情報処理方法並びにデータ構造
DK2994908T3 (da) 2013-05-07 2019-09-23 Veveo Inc Grænseflade til inkrementel taleinput med realtidsfeedback
WO2014183035A1 (en) 2013-05-10 2014-11-13 Veveo, Inc. Method and system for capturing and exploiting user intent in a conversational interaction based information retrieval system
KR102244298B1 (ko) * 2014-04-30 2021-04-23 삼성전자주식회사 의미를 기반으로 웹 페이지 접근 기록을 구조화하는 장치 및 방법
US9852136B2 (en) 2014-12-23 2017-12-26 Rovi Guides, Inc. Systems and methods for determining whether a negation statement applies to a current or past query
US9854049B2 (en) 2015-01-30 2017-12-26 Rovi Guides, Inc. Systems and methods for resolving ambiguous terms in social chatter based on a user profile
KR101646754B1 (ko) * 2015-03-18 2016-08-12 연세대학교 산학협력단 모바일 시멘틱 검색 장치 및 그 방법
CN108351983A (zh) * 2015-10-28 2018-07-31 谷歌有限责任公司 修改计算图
JP6282714B1 (ja) * 2016-11-25 2018-02-21 ヤフー株式会社 算出装置、算出方法、及び算出プログラム
KR102159220B1 (ko) * 2017-05-11 2020-09-23 경희대학교 산학협력단 효과적인 대화 관리를 위한 의료 시스템에서의 의도-컨텍스트 융합 방법
KR101988396B1 (ko) * 2017-12-20 2019-06-12 주식회사 솔트룩스 자연어 질의로부터 지식 베이스에 대한 쿼리 생성 및 리소스 랭킹을 위한 시스템 및 이를 포함하는 질의 응답 시스템
KR102411778B1 (ko) * 2019-05-28 2022-06-22 주식회사 케이티 다중 지식의 비교 우위를 추론하는 서버, 방법 및 컴퓨터 프로그램
CN114902206A (zh) 2020-01-10 2022-08-12 株式会社半导体能源研究所 文档检索系统、文档检索方法
JP2021125182A (ja) * 2020-02-10 2021-08-30 富士通株式会社 情報処理プログラム、情報処理方法、情報処理装置、グラフデータのデータ構造及びグラフデータの生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100820746B1 (ko) * 2007-01-22 2008-04-11 조선대학교산학협력단 온톨로지를 이용한 정보의 브라우징 시스템 및 방법
KR20080049452A (ko) * 2006-11-30 2008-06-04 주식회사 케이티프리텔 시멘틱 웹을 이용한 목적지 검색 서비스 제공 방법 및시스템
KR20080099895A (ko) * 2007-05-11 2008-11-14 한국과학기술정보연구원 Ｒｄｆ 트리플 기반 확장 클래스-속성 관리 시스템 및 그방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62209618A (ja) * 1986-03-10 1987-09-14 Fujitsu Ltd 推論方式
JPH09179875A (ja) * 1995-12-25 1997-07-11 Sharp Corp 情報検索装置
JP3575242B2 (ja) * 1997-09-10 2004-10-13 日本電信電話株式会社 キーワード抽出装置
JP2002117061A (ja) * 2000-08-04 2002-04-19 Recruit Co Ltd 情報提供装置および情報提供方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080049452A (ko) * 2006-11-30 2008-06-04 주식회사 케이티프리텔 시멘틱 웹을 이용한 목적지 검색 서비스 제공 방법 및시스템
KR100820746B1 (ko) * 2007-01-22 2008-04-11 조선대학교산학협력단 온톨로지를 이용한 정보의 브라우징 시스템 및 방법
KR20080099895A (ko) * 2007-05-11 2008-11-14 한국과학기술정보연구원 Ｒｄｆ 트리플 기반 확장 클래스-속성 관리 시스템 및 그방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9971835B2 (en) 2013-11-27 2018-05-15 Naver Corporation Personalized data search system and method thereof
US10942972B2 (en) 2014-12-26 2021-03-09 Samsung Electronics Co., Ltd. Query processing method, electronic device, and server
CN108319627A (zh) * 2017-02-06 2018-07-24 腾讯科技（深圳）有限公司 关键词提取方法以及关键词提取装置
CN108319627B (zh) * 2017-02-06 2024-05-28 腾讯科技（深圳）有限公司 关键词提取方法以及关键词提取装置

Also Published As

Publication number Publication date
JP2010205265A (ja) 2010-09-16
KR20100100231A (ko) 2010-09-15
JP5227985B2 (ja) 2013-07-03

Similar Documents

Publication Publication Date Title
KR101048546B1 (ko) 온톨로지를 이용한 컨텐츠 검색 시스템 및 방법
Kobilarov et al. Media meets semantic web–how the bbc uses dbpedia and linked data to make connections
Deveaud et al. Accurate and effective latent concept modeling for ad hoc information retrieval
KR101078864B1 (ko) 질의/문서 주제 범주 변화 분석 시스템 및 그 방법과 이를 이용한 질의 확장 기반 정보 검색 시스템 및 그 방법
US8082248B2 (en) Method and system for document classification based on document structure and written style
JP5536875B2 (ja) 同義語を識別し、同義語を使用して検索するための方法および装置
US20150074112A1 (en) Multimedia Question Answering System and Method
KR100930455B1 (ko) 쿼리별 검색 컬렉션 생성 방법 및 시스템
US8812504B2 (en) Keyword presentation apparatus and method
US9244919B2 (en) Organizing books by series
GB2509773A (en) Automatic genre determination of web content
US20050050086A1 (en) Apparatus and method for multimedia object retrieval
Agirre et al. Matching Cultural Heritage items to Wikipedia.
CN115563313A (zh) 基于知识图谱的文献书籍语义检索系统
CN109783599A (zh) 基于多种存储介质的知识图谱检索方法及系统
US9514222B2 (en) Accessing stored electronic resources
KR101683138B1 (ko) 정보검색장치 및 그 동작 방법
JPWO2016067396A1 (ja) 文の並び替え方法および計算機
EP3144825A1 (en) Enhanced digital media indexing and retrieval
CN110413807A (zh) 一种基于内容语义元数据的图像查询方法与系统
US20230409624A1 (en) Multi-modal hierarchical semantic search engine
CN113672768A (zh) 用于内容发现的人工智能
US9323721B1 (en) Quotation identification
US20170075999A1 (en) Enhanced digital media indexing and retrieval
KR101602342B1 (ko) 의미 태깅된 자연어 질의의 의도에 부합하는 정보 추출 및 제공 방법 및 시스템

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: 20150701

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160701

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190701

Year of fee payment: 9