KR101108600B1

KR101108600B1 - 온톨로지를 이용한 문서간 유사도 측정 방법 및 장치

Info

Publication number: KR101108600B1
Application number: KR1020090107897A
Authority: KR
Inventors: 이용규
Original assignee: 동국대학교 산학협력단
Priority date: 2009-11-10
Filing date: 2009-11-10
Publication date: 2012-01-31
Anticipated expiration: 2029-11-10
Also published as: KR20110051366A

Abstract

온톨로지를 이용한 문서간 유사도 측정 방법 및 장치가 개시된다. 상기 문서간 유사도 측정 방법은, 상기 질의 문서 및 상기 대상 문서로부터 복수 개의 키워드 및 상기 각 키워드의 상기 문서 내에서의 빈도수를 추출하는 단계, 상기 질의 문서 및 상기 대상 문서에서 추출된 키워드로부터 상기 질의 문서 및 상기 대상 문서의 주제어를 선정하는 단계, 상기 질의 문서 및 상기 대상 문서의 범위를 계산하는 단계; 및 상기 선정된 주제어 및 범위를 이용하여 상기 질의 문서와 상기 대상 문서의 유사도를 계산하는 단계를 포함한다.

Description

온톨로지를 이용한 문서간 유사도 측정 방법 및 장치{Method and apparatus for measuring similarity of documents}

본 발명의 실시예들은 문서의 주제어 추출 및 유사도 측정 기술과 관련된다.

온톨로지(Ontology)란 사람들이 사물에 대해 생각하는 바를 추상화하고 공유한 모델로, 정형화되어 있고 개념의 타입이나 사용상의 제약 조건들이 명시적으로 정의된 기술을 말한다. 특히, 전산학과 정보 과학에서 특정 영역을 표현하는 데이터 모델로서, 특정한 영역(Domain)에 속하는 개념과, 개념 사이의 관계를 기술하는 정형(Formal) 어휘의 집합으로 정의된다.

한편, 최근 인터넷 등의 발달로 인하여 온라인을 중심으로 문서의 수가 급격히 늘어나고 있다. 따라서 원하는 정보를 얻기 위해서는 이러한 수 많은 문서들의 유사도를 측정하여 이에 따라 상기 문서들을 검색하는 방법이 필요하게 되었으며, 특히 상술한 온톨로지를 이용하여 문서의 주제어 및 범위를 알아내고 이를 이용하여 문서간 유사도를 계산하기 위한 방법들이 필요하게 되었다.

본 발명의 실시예들은 온톨로지 isA 계층구조를 이용하여 문서의 주제어 및 범위를 계산하고 이에 따라 문서들 간의 유사도를 측정함으로써 온톨로지를 이용하여 문서의 주제에 따라 효과적으로 문서를 검색하는 방법을 제공하고자 한다.

상기 과제를 해결하기 위한 본 발명의 실시예에 따른 문서간 유사도 측정 장치에서 질의 문서와 대상 문서간의 유사도를 계산하는 방법은, 상기 문서간 유사도 측정 장치에서, 상기 질의 문서 및 상기 대상 문서로부터 복수 개의 키워드 및 상기 각 키워드의 상기 문서 내에서의 빈도수를 추출하는 단계; 상기 문서간 유사도 측정 장치에서, 상기 질의 문서 및 상기 대상 문서에서 추출된 키워드로부터 상기 질의 문서 및 상기 대상 문서의 주제어를 선정하는 단계; 상기 문서간 유사도 측정 장치에서, 상기 질의 문서 및 상기 대상 문서의 범위를 계산하는 단계; 및 상기 문서간 유사도 측정 장치에서, 상기 선정된 주제어 및 범위를 이용하여 상기 질의 문서와 상기 대상 문서의 유사도를 계산하는 단계;를 포함한다.

한편, 상기 과제를 해결하기 위한 본 발명의 실시예에 따른 문서간 유사도 측정 장치는, 키워드들간의 온톨로지 isA 계층구조가 저장된 데이터베이스; 질의 문서 및 상기 대상 문서로부터 복수 개의 키워드 및 상기 각 키워드의 상기 문서 내에서의 빈도수를 추출하는 키워드 추출부; 상기 질의 문서 및 상기 대상 문서에서 추출된 키워드로부터 상기 질의 문서 및 상기 대상 문서의 주제어를 선정하는 주제어 선정부; 상기 질의 문서 및 상기 대상 문서의 범위를 계산하는 문서 범위 계산부; 및 상기 주제어 선정부에서 선정된 상기 질의 문서 및 상기 대상 문서의 주제어, 상기 문서 범위 계산부에서 계산된 상기 질의 문서 및 상기 대상 문서의 범위를 이용하여 상기 온톨로지 isA 계층구조상에서의 상기 질의 문서와 상기 대상 문서의 유사도를 계산하는 유사도 계산부;를 포함한다.

전술한 것 외의 다른 측면, 특징 및 이점은 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명의 실시예들은 온톨로지 isA 계층구조를 이용하여 문서의 주제어 및 범위를 계산하고 이에 따라 문서들 간의 유사도를 측정함으로써 온톨로지를 이용하여 문서의 주제에 따라 효과적으로 문서를 검색하는 방법을 제공하여 이를 정보 검색 등에 활용하도록 할 수 있다.

이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.

본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이 다.

본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.

본 발명을 설명하기에 앞서, 본 발명의 실시예에 따른 온톨로지 isA 계층구조에 대해 간단히 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 온톨로지 isA 계층구조(100)의 일례를 나타낸 도면이다. 본 발명의 실시예에서는 온톨로지를 트리 또는 그래프 형태의 계층 구조로 구성하고, 각 키워드(개념, 용어)를 계층 구조의 노드(node)로 표현하며, 상기 트리 또는 그래프의 노드들 사이의 간선(edge)의 수로서 노드 간의 거리(의미상의 거리)를 표현한다. 예를 들어, 도 1에 도시된 온톨로지 isA 계층구조 (100)에서 「동물」과 「무척추동물」간의 거리는 1, 「무척추동물」과 「척추동물」간의 거리는 2이며, 「사람」과 「새우」와의 거리는 6이 된다.

한편, 도 1의 온톨로지 isA 계층구조(100)에서는 간선 간의 거리를 일률적으로 1로 가정하였지만, 실시예에 따라 간선 간의 거리가 각각 다르게 정해지는 경우가 있다. 예를 들어, 도 2과 같은 온톨로지 isA 계층구조의 경우 노드 B와 D 간의 거리는 0.5로, A와 C 간의 거리는 2.0으로 정의되어 있다. 이와 같이 간선마다 각각 거리가 다른 경우에는, 임의의 두 노드를 연결하는 경로상에 존재하는 각 간선의 거리를 모두 더함으로써 노드 간의 거리를 계산할 수 있다. 예를 들어, 도 2에 도시된 온톨로지 isA 계층구조에서 노드 A와 D 간의 거리는 1.0+0.5=1.5가 되고, 노드 A와 E 간의 거리는 1.0+1.0=2.0이 된다.

또한 온톨로지 isA 계층구조는 반드시 트리 형태로만 구성되는 것은 아니며, 그래프(graph)의 형태를 가질 수도 있다. 그래프의 경우 특정 노드의 부모 노드가 한 개가 아닌 복수 개 존재할 수 있다는 점에서 트리와 상이하다. 이에 따라 그래프의 경우 임의의 두 노드 사이의 경로가 두 개 이상 존재할 수 있다. 이와 같이 그래프 형태로 온톨로지 isA 계층구조가 형성된 경우에도 상기와 동일한 방법으로 노드 간의 거리를 구할 수 있다. 다만, 이 경우 그래프 내의 임의의 두 노드의 경로 중 어떤 경로를 따르더라도 두 노드 사이의 거리가 동일하도록 그래프가 구성되어야 함은 자명하다. 물론, 특별한 경우로 두 노드 사이의 두 개 이상의 경로들의 거리가 서로 다른 경우가 존재한다면 그 중 하나를 선택하여 사용할 수도 있다.

도 3은 본 발명의 일 실시예에 따른 온톨로지를 이용한 문서간 유사도 측정 방법(300)을 나타낸 순서도이다.

도시된 바와 같이, 본 발명의 일 실시예에 따른 문서간 유사도 측정 방법(300)은 문서의 주제어 선정 단계(302), 문서의 범위 계산 단계(304) 및 문서간 유사도 계산 단계(306)를 포함한다. 이하에서는 상기 각 단계별로 상기 문서간 유사도 측정 방법(300)에 대해 상세히 설명하기로 한다.

문서의 주제어 선정(302)

본 단계는 유사도를 측정하고자 하는 각 문서로부터 주제어를 선정하는 단계이다. 먼저, 유사도를 측정하고자 하는 문서로부터 키워드 및 각 키워드의 빈도를 추출한다. 상기 키워드는, 예를 들어 상기 문서를 구성하는 텍스트를 키워드 사전 등을 이용하여 형태소 분석함으로써 추출될 수 있다. 이때, 추출된 키워드 중 색인어로서의 가치가 없는 불용어(stop word)는 제거한다. 키워드 추출 과정에서는 상기 키워드 사전을 비롯하여 불용어 사전 등이 활용될 수 있다. 또한 이하의 단계들에서는 온톨로지 isA 계층구조를 이용하여 문서의 범위 및 문서간 유사도를 측정하게 되므로, 상기 온톨로지 isA 계층구조는 상기 문서로부터 추출된 키워드를 노드로 포함하여야 한다.

한편, 상기 단계에서 각 키워드가 나타나는 문서 수를 추출할 수도 있다. 이로부터 각 키워드의 역문헌 빈도(IDF, Inverse Document Frequency)를 계산할 수 있다. 역문헌 빈도는 전체 문서의 수를 해당 키워드가 나타난 문서 수로 나눈 값의 로그(log) 값을 구한 것으로, 적은 수의 문서에 나타난 키워드가 많은 수의 문서에 나타난 키워드보다 높은 값을 갖도록 하며. 키워드의 희소성을 나타낸다. 그리고 이를 이용하여 상기 추출된 키워드 빈도를 키워드의 가중치로 변환하는 다양한 방법들이 존재한다. 일례로 키워드 빈도와 역문헌 빈도를 이용한 TF - IDF(Term Frequency - Inverse Document Frequency) 가중치 부여 방법을 들 수 있다.

본 발명에서는 추출된 키워드 빈도를 그대로 사용하거나 또는 역문헌 빈도 등을 사용하여 추출된 키워드 빈도를 다양한 방식으로 변환하여 키워드의 가중치로 사용하는 경우 모두에 대하여 키워드의 빈도라고 칭하기로 한다. 따라서 키워드의 빈도는 추출된 키워드의 빈도일수도 있고 이를 변환한 값(가중치)일 수도 있다. 그러나 문서내 키워드 빈도를 다양한 방식으로 변환한 경우에는 빈도라는 용어 대신에 일반적으로 가중치 또는 가중값이란 용어를 사용한다. 따라서 키워드 빈도를 변환한 경우라면 본 발명에서 사용하는 키워드 빈도라는 용어 대신에 키워드 가중치 또는 키워드 가중값으로 바꾸어 사용해도 무방하다.

다음으로, 상기 추출된 키워드 및 빈도를 이용하여 상기 문서의 주제어를 선정한다. 문서의 주제어 선정에는 다음의 3가지 정도의 방법 중 하나를 이용할 수 있다.

(1) 상기 추출된 키워드 별 빈도를 각각 비교하여 빈도가 가장 큰 키워드를 주제어로 선정할 수 있다. 문서에서 가장 빈도가 높은 키워드는 해당 문서의 핵심어일 가능성이 매우 높기 때문이다.

(2) 상기 추출된 키워드 별로 추출된 키워드들 간의 온톨로지 isA 계층구조 상의 평균 거리를 계산하고, 계산된 상기 평균 거리가 가장 짧은 키워드를 주제어로 선정할 수 있다. 이와 같은 키워드간 평균 거리를 이용한 주제어 선정 방법(400)을 도 4에 나타내었다.

먼저, 문서로부터 추출된 키워드를 이용하여 n*n 매트릭스(M; 이때 n은 추출된 키워드의 개수) 또는 상위 삼각 행렬(T)을 생성한다(402). 상기 n*n 매트릭스 또는 상위 삼각 행렬에서, 각 행 및 열은 상기 추출된 키워드를, 각 셀은 해당 행 및 열에 해당하는 키워드들의 온톨로지 isA 계층구조상의 거리를 나타낸다.

예를 들어, 문서로부터 추출된 키워드 및 빈도가 다음의 표 1과 같은 경우, 도 1에 도시된 온톨로지 isA 계층구조를 이용하여 매트릭스(M)를 구성하면 표 2와 같다.

일련번호	키워드	빈도
1	사람	2
2	사자	3
3	토끼	1
4	동물	2

M	1	2	3	4
1	0	2	2	3
2	2	0	2	3
3	2	2	0	3
4	3	3	3	0

또한, 상기 도 1의 키워드를 이용하여 상위 삼각 행렬(T)을 구성하면 다음의 표 3과 같다.

T	1	2	3	4
1	0	2	2	3
2		0	2	3
3			0	3
4				0

다음으로, 상기 매트릭스(M) 또는 상위 삼각 행렬(T)을 이용하여 각 키워드 별로 추출된 키워드 간의 온톨로지 isA 계층구조상의 평균거리를 계산한다(404).

예를 들어, 상기 매트릭스(M)를 이용하여 각 키워드 별 평균거리를 계산할 경우에는 다음의 수학식 1을 이용한다.

상기 수학식에서, K는 키워드의 일련번호, F(i)는 일련번호가 i인 키워드의 빈도, M(i, j)는 상기 매트릭스(M)의 행 i 열 j 인 (i, j) 셀의 값이다.

만약 각 키워드 별 빈도를 고려하지 않을 경우, F(i) 값은 모두 1이 된다.

상기 상위 삼각 행렬(T)를 이용하여 각 키워드 별 평균거리를 계산할 경우에는 다음의 수학식 2를 이용한다.

상기 수학식에서, K는 키워드의 일련번호, F(i)는 일련번호가 i인 키워드의 빈도, T(i, j)는 상기 상위 삼각 행렬(T)의 행 i 열 j 인 (i, j) 셀의 값이다.

이 때에도 만약 각 키워드 별 빈도를 고려하지 않을 경우, F(i) 값은 모두 1이 된다.

마지막으로, 상기 계산된 평균거리가 가장 짧은 키워드를 상기 문서의 주제어로 선정하게 된다(406).

상기 수학식 1 및 2에 따라 표 1에 기재된 각 키워드의 평균거리를 계산하면 다음과 같다.

사람: (0*2+2*3+2*1+3*2)/8 = 1.75

사자: (2*2+0*3+2*1+3*2)/8 = 1.5

토끼: (2*2+2*3+0*1+3*2)/8 = 2.0

동물: (3*2+3*3+3*1+0*2)/8 = 2.25

즉, 상기 키워드들 중 평균 거리가 가장 짧은 키워드는 「사자」이므로, 상기 문서의 주제어는 「사자」가 된다. 만일 평균거리가 가장 짧은 키워드가 복수 개 존재할 경우에는 이들 중 하나를 주제어로 선정할 수 있다. 예를 들면 본 발명에 기재된 다른 방법을 사용하여 선정할 수도 있고, 역문헌 빈도가 높은 키워드를 선정할 수도 있으며, 온톨로지 계층 구조에서 레벨이 큰 키워드를 선택할 수도 있고, 기타 다양한 방식을 적용할 수 있다.

(3) 주제어 선정을 위한 다른 방법으로는, 상기 추출된 키워드 중 문서의 타이틀(제목)으로부터 추출된 키워드 중 하나를 상기 문서의 주제어로 선정하는 방법이 있다. 문서의 타이틀은 보통 문서의 주제와 관련이 높은 경우가 많기 때문이다.

이 경우에는, 문서의 타이틀로부터 추출된 키워드 중 문서 내에서의 빈도가 가장 높은 키워드를 문서의 주제어로 선정할 수 있다. 또는, 문서의 타이틀에서 추출된 키워드들의 문서 내의 키워드들과의 평균 거리를 계산하고(전술한 평균 거리 계산 방법을 이용), 계산된 평균 거리가 가장 짧은 키워드를 주제어로 선정할 수 있다.

이 밖에도 문서의 주제어를 계산하기 위한 다양한 방법이 존재할 수 있으며, 본 발명은 특정 주제어 계산 방식에 한정되는 것은 아님을 유의하여야 한다.

문서의 범위 계산(304)

상기와 같이 문서의 주제어가 정해지면, 다음으로 문서의 범위를 계산한다. 본 발명의 실시예에서, 문서의 범위는 주제어와 문서 내 키워드들간의 평균거리를 사용할 수 있다. 또는 주제어와 키워드들간의 평균 거리를 가공한 값을 사용하거 나, 주제어와 키워드들간의 중간 거리, 최근 거리, 최장 거리 등을 비롯한 다른 종류의 거리를 범위로 사용하는 것도 가능하다. 상기 문서 내 키워드들간의 평균거리는 전술한 수학식 1 또는 2에 의하여 계산될 수 있다.

예를 들어, 상기 표 1과 같은 키워드를 가지는 문서의 주제어가 「사자」일 경우, 「사자」와 추출된 키워드들간의 평균 거리는 (빈도를 고려했을 경우),

(2*2+0*3+2*1+3*2)/8 = 1.5

이므로, 상기 문서의 범위는 1.5가 된다.

이와 같은 방법으로 복수 개의 문서에 대하여 주제어 및 범위를 구할 수 있다. 즉, 각 문서는 (문서ID, 주제어ID, 범위)로 표현할 수 있으며, 이때 문서ID는 각 문서를 구별하기 위한 식별자, 주제어ID는 주제어의 식별자이다.

이하 문서간 유사도 계산 단계에서는 상기와 같이 각 문서의 (문서ID, 주제어ID, 범위)가 데이터베이스에 저장되어 있다고 가정한다.

문서간 유사도 계산 (306)

본 단계는 각 문서의 (문서ID, 주제어ID, 범위) 및 온톨로지 isA 계층구조를 이용하여 상기 문서들과 질의 문서와의 유사도를 계산하는 단계이다. 이하의 설명 에서 유사도 계산의 대상이 되는 문서를 「대상 문서」로, 상기 대상 문서들과의 유사도를 계산하기 위한 문서를 「질의 문서」라 칭하기로 한다. 즉, 본 단계에서는 질의 문서와 각 대상 문서와의 유사도를 계산하고, 필요한 경우 상기 계산된 유사도를 이용하여 상기 대상 문서의 랭킹을 부여하게 된다. 상기 질의 문서는 문서 또는 문서 내의 특정 단락, 문장 또는 1개 이상의 키워드의 집합으로 구성될 수 있다. 즉, 본 발명의 실시예에 있어 질의의 형태에는 특정한 제약이 없으며 이하에서는 이들 모두를 질의 문서로 통칭하기로 한다.

먼저, 질의 문서에 대하여 전술한 302, 304 단계와 동일한 방법으로 주제어 및 범위를 구한다.

다음으로, 상기 질의 문서의 주제어 및 범위와 기 계산된 각 대상 문서의 주제어 및 범위를 이용하여 질의 문서와 각 대상 문서와의 유사도를 계산한다. 상기 유사도 계산에는 다음의 방법들 중 하나를 사용할 수 있다.

(1) 거리를 이용하여 유사도 계산

본 방법은 질의 문서와 각 대상 문서간의 거리를 이용하여 유사도를 계산하는 방법이다.

상기 질의 문서와 각 대상 문서간의 "거리"는 상기 질의 문서와 각 대상 문서간의 주제어 사이의 온톨로지 isA 계층구조상의 거리일 수 있다. 질의 문서와 각 대상 문서간의 주제어 사이의 거리는 다음의 수학식 3과 같이 나타내기로 한다.

이때, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리이다.

이와 같이 문서의 주제어간 거리로 유사도를 계산할 경우에는 계산된 거리가 가까울수록 유사한 문서가 된다. 예를 들어, 질의 문서의 주제어가 「포유류」이고 대상 문서의 주제어가 「무척추동물」, 「개미」 일 경우, 「포유류」와 「무척추동물」간의 온톨로지 isA 계층구조상 거리는 3이고 「포유류」와 「개미」간의 온톨로지 isA 계층구조상 거리는 5이므로 주제어가 「개미」인 문서보다는 「무척추동물」인 문서가 질의 문서와의 유사도가 높다.

상기 주제어간 거리를 0에서 1사이의 값을 갖도록 정규화할 수도 있다. 한가지 방법은 주제어간 거리를 온톨로지 isA 계층구조상의 최대 거리로 나눈 값을 사용하는 것이다. 이때는 정규화된 거리가 0에 가까울수록 문서간의 유사도가 높다.

한편, 상기 질의 문서와 각 대상 문서간의 거리는 다음과 같이 질의 문서의 각 키워드들과 각 대상 문서의 각 키워드들간의 평균 거리를 이용할 수도 있다.

먼저, 질의 문서 및 k 번째 대상 문서로부터 추출된 키워드를 이용하여 m*n 매트릭스(이때 k는 대상 문서의 일련 번호, m은 질의 문서로부터 추출된 키워드의 개수, n은 k 번째 대상 문서로부터 추출된 키워드의 개수)를 생성한다. 상기 m*n 매트릭스 또는 상위 삼각 행렬에서, 각 행은 상기 질의 문서로부터 추출된 키워드(m개)를 각 열은 상기 k 번째 대상 문서로부터 추출된 키워드(n개)를, 각 셀은 해당 행 및 열에 해당하는 키워드들의 온톨로지 isA 계층구조상의 거리를 나타낸다. 이때 만약 각 키워드의 빈도를 고려할 경우 각 셀의 값은 해당 키워드 쌍의 빈도들의 곱을 해당 키워드 간의 거리와 곱한 값이 된다.

예를 들어, 질의 문서 및 k 번째 대상 문서로부터 추출된 키워드 및 빈도가 각각 다음의 표 4, 5와 같은 경우, 도 1에 도시된 온톨로지 isA 계층구조를 이용하여 매트릭스를 구성하면 표 6 및 7과 같다. 이때 표 6은 키워드의 빈도를 고려하지 않은 매트릭스(P)이고, 표 7은 키워드의 빈도를 고려한 매트릭스(Q)이다. 각 매트릭스의 1행 2열에 해당하는 셀 (1, 2)의 값을 예로 들어 설명하면, 표 6에서 「사람」과 「잉어」와의 거리는 4이므로 해당 셀의 값은 4가 되나, 표 7의 경우 「사람」의 빈도는 2, 「잉어」의 빈도는 2이므로 빈도를 고려한 「사람」-「잉어」쌍의 개수는 2*2=4이다(즉, 쌍을 이루는 키워드의 빈도의 곱). 따라서 표 7에서 해당 셀의 값은 4*4=16이 된다.

일련번호	키워드	빈도
1	사람	2
2	사자	3
3	토끼	1
4	동물	2

일련번호	키워드	빈도
1	붕어	1
2	잉어	2
3	척추동물	2
4	동물	2

P	1	2	3	4
1	4	4	2	3
2	4	4	2	3
3	4	4	2	3
4	3	3	1	0

Q	1	2	3	4
1	8	16	8	12
2	12	24	12	18
3	4	8	4	6
4	6	12	4	0

다음으로, 상기 m*n 매트릭스 Q(또는 P)를 이용하여 상기 질의 문서와 k 번째 대상 문서간의 키워드를 연결하는 모든 키워드 쌍의 총 거리(Q의 모든 셀의 합)를 계산하고, 계산된 총 거리를 키워드 쌍의 총 개수로 나눔으로써 질의 문서와 k 번째 대상 문서간의 평균 거리를 계산한다(504). 계산 방법은 다음의 수학식 4와 같다.

이때, 상기 수학식에서 m은 질의 문서의 키워드 수, n은 k 번째 대상 문서의 키워드수이며, Q(i,j)는 매트릭스 Q의 셀 (i,j)의 값이다.

상기 수학식에서 키워드 쌍의 총 개수는 빈도를 고려하지 않을 경우에는 두 문서의 키워드 수를 곱한 것이고, 빈도를 고려할 경우에는 모든 쌍들에 대해 빈도를 곱하여 합계를 낸 것이다. 빈도를 고려한 키워드 쌍의 총 개수의 계산 방법은 다음의 수학식 5와 같다.

상기 수학식에서 m은 질의 문서의 키워드 수이고, n은 k 번째 대상 문서의 키워드 수이며, FQ(i)는 질의 문서의 i번째 키워드의 빈도이고, FD_k(j)는 k 번째 대상 문서의 j번째 키워드의 빈도이다.

각 키워드의 빈도를 고려하지 않을 경우, 즉 표 6(매트릭스 P)을 이용할 경우 질의 문서와 k 번째 대상 문서간의 키워드를 연결하는 모든 키워드 쌍의 총 거리는 상기 표 6에 도시된 매트릭스 P의 각 셀의 값을 모두 더한 값과 같으며 그 값은 46이 된다. 또한 상기 예에서 질의 문서와 k 번째 대상 문서의 키워드 개수는 모두 4개이므로, 양 문서의 키워드 사이에는 총 16개의 키워드 쌍이 존재하게 된다. 따라서 상기 질의 문서와 k 번째 대상 문서간의 평균 거리는 46/16 = 2.88이 된다.

만약 표 7(매트릭스 Q)과 같이 각 키워드의 빈도를 고려할 경우, 질의 문서와 k 번째 대상 문서간의 키워드를 연결하는 모든 키워드 쌍의 총 거리는 매트릭스 Q의 각 셀의 값을 모두 더한 값과 같으며 그 값은 154가 된다. 또한 각 키워드의 빈도를 고려한 키워드 쌍의 총 개수는 56개이므로, 상기 질의 문서와 k 번째 대상 문서간의 평균 거리는 154/56 = 2.75가 된다.

한편, 상기 실시예에서는 질의 문서와 각 키워드들과 대상 문서의 각 키워드들간의 평균 거리를 사용하였으나, 실시예에 따라 각 키워드들간의 최단 거리, 중간 거리 또는 최장 거리를 이용할 수도 있다.

(2) 거리와 범위를 이용하여 유사도 계산

본 방법은 질의 문서와 대상 문서간의 유사도 계산에 있어 주제어간의 온톨로지 isA 계층구조상의 거리와 함께 각 문서의 범위를 함께 고려하는 방법이다. 여 기서 주제어 간의 거리 대신에 질의 문서의 키워드들과 대상 문서의 키워드들 간의 평균거리나 중간거리 등을 사용할 수도 있다.

먼저 상기 질의 문서와 대상 문서의 주제어간의 거리를 정규화한다. 이는 다음의 수학식 6과 같이 나타낼 수 있다.

이때, N_k는 질의 문서와 k 번째 대상 문서와의 정규화된 거리, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리이다. 상기 N_k 값이 0에 가까울수록 두 문서간의 거리는 가깝다.

다음으로, 질의 문서의 범위(WQ)와 k 번째 대상 문서(WD_k)의 범위의 정규화된 비율을 구한다. 이는 다음의 수학식 7과 같이 나타낼 수 있다.

이때, R_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, min(WQ, WD_k)는 WQ와 WD_k 중 작은 값, max(WQ, WD_k)는 WQ와 WD_k 중 큰 값을 의미한다. 상기 R_k 값이 0에 가까울수록 두 문서간의 범위가 유사하게 된다. 상기 수학식에서 분모와 분자에 1을 더한 이유는 분모가 0이 되어 계산상의 오류가 발생하는 것을 방지하기 위해서이다.

다음으로, 각각의 대상 문서들을 N_k를 1순위로, R_k를 2순위로 하여 오름차순으로 정렬한다. 즉, N_k가 낮은 대상 문서가 높은 대상 문서보다 순위가 높도록, 동일한 N_k 값을 가진 대상 문서들 중에서는 R_k 값이 낮은 순서로 순위가 높아지도록 각 대상 문서들을 정렬하고, 정렬된 순위가 높은 문서를 낮은 문서보다 상기 질의 문서와의 유사도가 높은 문서로 선정한다. 즉, 질의 문서와의 거리가 가까우며 범위가 비슷한 문서일수록 유사도가 높게 된다.

(3) 거리와 범위를 결합하여 유사도 계산

본 방법은 질의 문서와 대상 문서의 주제어간 거리와 범위의 비율을 결합하여 유사도를 계산하는 방법이다.

먼저, 상기 주제어간 거리와 범위의 비율을 다음의 수학식 8, 9와 같이 정규화한다.

이때, T_k는 질의 문서와 k 번째 대상 문서와의 정규화된 거리, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리이다. 상기 T_k 값이 1에 가까울수록 두 문서간의 거리는 가깝다.

이때, A_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, min(WQ, WD_k)는 WQ와 WD_k 중 작은 값, max(WQ, WD_k)는 WQ와 WD_k 중 큰 값을 의미한다. 상기 A_k 값이 1에 가까울수록 두 문서간의 범위가 유사하게 된다.

이와 같이 정규화된 주제어간 거리와 범위의 비율이 계산될 경우, 상기 질의 문서와 대상 문서간의 유사도(E_k)는 다음의 수학식 10과 같이 정해진다.

이때, E_k는 질의 문서와 k 번째 대상 문서와의 유사도로서 0과 1 사이의 값을 가지며, 1에 가까울수록 유사도가 높다. w₁, w₂는 조정계수로서 w₁ + w₂ = 1로 정해진다. 만약 w₁ > w₂ 일 경우 유사도 계산에 있어 주제어간 거리에 더 큰 비중을 두는 것이 되고, w₁ < w₂ 일 경우는 유사도 계산에 있어 문서간 범위의 비율에 더 큰 비중을 두는 것이 된다.

(4) 거리와 범위를 통합하여 유사도 계산

본 방법은 질의 문서와 대상 문서의 주제어간 거리와 범위의 비율을 통합하여 유사도를 계산하는 방법이다.

먼저, 상기 주제어간 거리와 범위의 비율을 다음의 수학식 11, 12와 같이 정규화한다.

이때, T_k는 질의 문서와 k 번째 대상 문서와의 정규화된 거리, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리, W₃(0<W₃≤1)은 조정계수로 거리에 대한 가중치를 부여하는 역할을 하며, 정규화된 거리의 크기에 따라 가중치를 차등해서 다르게 부여할 수도 있다. 상기 T_k 값이 1에 가까울수록 두 문서간의 거리는 가깝다.

이때, A_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, min(WQ, WD_k)는 WQ와 WD_k 중 작은 값, max(WQ, WD_k)는 WQ와 WD_k 중 큰 값을 의미한다. 또한 W₄(0<W₄<=1)는 조정계수로 범위에 대한 가중치를 부여하는 역할을 하며, 범위의 정규화된 비율의 크기에 따라 가중치를 차등해서 다르게 부여할 수도 있다. 상기 A_k 값이 1에 가까울수록 두 문서간의 범위가 유사하게 된다.

이와 같이 정규화된 주제어간 거리와 범위의 비율이 계산될 경우, 상기 질의 문서와 대상 문서간의 유사도(S_k)는 다음의 수학식 13과 같이 정해진다.

이때, S_k는 질의 문서와 k 번째 대상 문서와의 유사도로서 0과 1 사이의 값을 가지며, 1에 가까울수록 유사도가 높다.

이상으로 주제어간 거리와 범위를 이용하여 문서간 유사도를 계산하는 방법을 예로 들어 설명하였으나, 이 밖에도 문서간 유사도를 계산하기 위한 다양한 방법이 존재할 수 있으며, 본 발명은 특정 유사도 계산 방식에 한정되는 것은 아님을 유의하여야 한다. 본 발명의 실시예에서는 상술한 방법에 의하여 질의 문서와 각 대상 문서들간의 유사도를 계산하여 상기 계산된 유사도에 의해 상기 대상 문서들의 랭킹을 부여하고, 일정 개수의 상위 랭킹 문서들을 상기 질의 문서와 유사한 문서로 선정할 수 있다.

한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 플로피 디스크와 같은 자기-광 매체, 및 롬, 램, 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 포함할 수 있다.

도 5는 본 발명의 일 실시예에 따른 문서간 유사도 측정 장치(500)를 나타낸 도면이다.

본 발명의 일 실시예에 따른 문서간 유사도 측정 장치(500)는 전술한 문서간유사도 측정 방법(300)을 수행하기 위한 장치로서, 도시된 바와 같이 온톨로지 데이터베이스(502), 키워드 추출부(504), 주제어 선정부(506), 문서 범위 계산부(508) 및 유사도 계산부(510)를 포함하여 구성된다.

온톨로지 데이터베이스(502)는 온톨로지 isA 계층구조가 저장된 데이터베이스이다.

키워드 추출부(504)는, 질의 문서와 상기 질의 문서와의 유사도를 측정하고자 하는 하나 이상의 대상 문서로부터 키워드 및 각 키워드의 빈도를 추출한다. 상기 키워드는 예를 들어 상기 문서를 구성하는 텍스트를 키워드 사전 등을 이용하여 형태소 분석함으로써 추출될 수 있으며, 이때 키워드로서의 가치가 없는 불용어(stop word)는 제외한다. 전술한 바와 같이 상기 질의 문서는 문서, 단락, 문장, 또는 1 이상의 키워드 집합으로 구성될 수 있다. 만약 상기 질의 문서가 키워드의 집합일 경우에는 별도의 키워드 추출 과정이 필요치 않으며, 필요에 따라 각 키워드의 빈도만을 측정하면 된다.

주제어 선정부(506)는 키워드 추출부(504)에서 추출된 키워드 및 빈도를 이용하여 상기 질의 문서 및 대상 문서의 주제어를 선정한다. 상기 주제어 선정 방법 에 대해서는 전술하였다.

문서 범위 계산부(508)는 전술한 문서 범위 계산 방법을 이용하여 상기 주제어가 선정된 질의 문서 및 대상 문서의 범위를 계산한다. 상기 문서의 범위는 상기 주제어와 문서 내 키워드들간의 평균거리를 사용할 수 있음은 앞서 설명하였다.

유사도 계산부(510)는 주제어 선정부(506)에서 선정한 문서의 주제어 및 문서 범위 계산부(508)에서 계산한 문서의 범위를 이용하여 전술한 문서의 유사도 계산 방법에 의해 질의 문서와 대상 문서들 간의 유사도를 계산한다. 유사도 계산부(510)는 또한 상기 계산된 유사도 값을 이용하여 상기 대상 문서들에 랭킹을 부여하고, 상기 랭킹이 높은 순으로 소정 개수의 대상 문서를 상기 질의 문서와 유사한 문서로 선정할 수 있다.

한편, 상기 유사도 측정 장치(500)는 별도의 문서 주제어 및 범위 데이터데이스(미도시)를 더 포함할 수 있다. 상기 문서 주제어 및 범위 데이터베이스는 복수 개의 문서들의 주제어 및 범위 및 상기 주제어 및 범위로부터 구축된 인덱스가 저장된 데이터베이스이다. 이에 따라 유사도 측정 장치(500)는 질의 문서로부터 주제어 및 범위를 계산하고, 상기 질의 문서의 주제어 및 범위를 이용하여 상기 문서 주제어 및 범위 데이터베이스에서 상기 질의 문서와 유사한 소정 개수의 문서를 추출하도록 구성될 수 있다. 이와 같이 문서들의 주제어 및 범위를 미리 계산하여 데이터베이스를 구축할 경우 질의 문서와 유사한 문서들을 빠른 시간에 검색할 수 있다.

이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.

그러므로 본 발명의 권리범위는 설명된 실시 예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

도 1은 본 발명의 실시예에 따른 온톨로지 isA 계층구조의 일례를 나타낸 도면이다.

도 2는 본 발명의 일 실시예에 따라 노드 간의 거리가 각기 다르게 설정된 온톨로지 isA 계층구조의 일례를 나타낸 도면이다.

도 4는 본 발명의 일 실시예에 따른 키워드 별 온톨로지 isA 계층구조상의 평균 거리를 이용한 주제어 선정 방법(400)을 나타낸 순서도이다.

Claims

문서간 유사도 측정 장치에서 질의 문서와 하나 이상의 대상 문서간의 유사도를 계산하는 방법으로서,

상기 문서간 유사도 측정 장치에서, 상기 질의 문서 및 상기 대상 문서로부터 복수 개의 키워드 및 상기 각 키워드의 상기 문서 내에서의 빈도수를 추출하는 단계;

상기 문서간 유사도 측정 장치에서, 상기 질의 문서 및 상기 대상 문서에서 추출된 키워드로부터 상기 질의 문서 및 상기 대상 문서의 주제어를 선정하는 단계;

상기 문서간 유사도 측정 장치에서, 상기 질의 문서 및 상기 대상 문서의 범위를 계산하는 단계; 및

상기 문서간 유사도 측정 장치에서, 상기 선정된 주제어 및 범위를 이용하여 상기 질의 문서와 상기 대상 문서의 유사도를 계산하는 단계를 포함하며,

상기 질의 문서 또는 상기 대상 문서의 범위는, 상기 질의 문서 또는 상기 대상 문서의 주제어와 상기 질의 문서 또는 상기 대상 문서로부터 추출된 키워드 간의 온톨로지 isA 계층구조상의 평균거리, 중간거리, 최근거리 또는 최장거리 중 어느 하나인, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 키워드 선정 단계는, 상기 질의 문서 또는 상기 대상 문서로부터 추출된 키워드 중 빈도수가 가장 높은 키워드를 상기 질의 문서 또는 상기 대상 문서의 주제어로 선정하는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 주제어 선정 단계는, 상기 질의 문서 또는 상기 대상 문서로부터 추출된 키워드 별로 상기 빈도수 추출 단계에서 추출된 다른 키워드들 간의 온톨로지 isA 계층구조상의 평균거리를 계산하고, 계산된 상기 평균거리가 가장 짧은 키워드를 상기 질의 문서 또는 상기 대상 문서의 주제어로 선정하는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 주제어 선정 단계는, 상기 질의 문서 또는 상기 대상 문서의 제목으로부터 추출된 키워드 중 상기 질의 문서 또는 상기 대상 문서 내에서의 빈도수가 가장 높은 키워드를 상기 질의 문서 또는 상기 대상 문서의 주제어로 선정하는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 주제어 선정 단계는, 상기 질의 문서 또는 상기 대상 문서의 제목으로부터 추출된 키워드 별로 상기 빈도수 추출 단계에서 추출된 다른 키워드들 간의 온톨로지 isA 계층구조상의 평균 거리를 계산하고, 계산된 상기 평균 거리가 가장 짧은 키워드를 상기 질의 문서 또는 상기 대상 문서의 주제어로 선정하는, 문서간 유사도 측정 방법.
삭제
제1항에 있어서,

상기 질의 문서와 상기 대상 문서간의 유사도는, 상기 질의 문서의 주제어 및 상기 대상 문서의 주제어 간의 온톨로지 isA 계층구조상에서의 거리에 따라 정해지는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 질의 문서와 상기 대상 문서간의 유사도는, 상기 질의 문서로부터 추출된 각 키워드 및 상기 대상 문서로부터 추출된 각 키워드 간의 온톨로지 isA 계층구조상에서의 평균거리에 따라 정해지는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 질의 문서와 상기 대상 문서간의 유사도는, 상기 질의 문서의 주제어 및 상기 대상 문서의 주제어의 온톨로지 isA 계층구조상에서의 정규화된 거리와 상기 질의 문서의 범위 및 상기 대상 문서의 범위의 정규화된 비율에 따라 정해지되, 상기 유사도는 상기 정규화된 거리가 0에 가까울수록 높아지며, 상기 정규화된 거리가 동일한 경우에는 상기 정규화된 비율이 0에 가까울수록 상기 유사도가 높아지도록 구성되는, 문서간 유사도 측정 방법.
제9항에 있어서,

상기 질의 문서의 주제어 및 상기 대상 문서의 주제어의 온톨로지 isA 계층구조상에서의 정규화된 거리는, 다음의 수학식

(이때, N_k는 질의 문서와 k 번째 대상 문서와의 정규화된 거리, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제9항에 있어서,

상기 질의 문서의 범위 및 상기 대상 문서의 범위의 정규화된 비율은, 다음의 수학식

(이때, R_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, WQ는 질의 문서의 범위, WD_k는 k 번째 대상 문서의 범위, min(WQ, WD_k)는 WQ와 WD_k 중 작은 값, max(WQ, WD_k)는 WQ와 WD_k 중 큰 값)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 질의 문서와 상기 대상 문서간의 유사도는, 다음의 수학식

(이때, E_k는 질의 문서와 k 번째 대상 문서와의 유사도, T_k는 질의 문서의 주제어와 k 번째 대상 문서의 주제어와의 온톨로지 isA 계층구조에서의 정규화된 거리, A_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, w₁, w₂는 조정계수로서 w₁ + w₂ = 1)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제12항에 있어서,

상기 질의 문서의 주제어와 k 번째 대상 문서의 주제어와의 온톨로지 isA 계층구조에서의 정규화된 거리는, 다음의 수학식

(이때, T_k는 질의 문서와 k 번째 대상 문서와의 정규화된 거리, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제12항에 있어서,

상기 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율은,

(이때, A_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, WQ는 질의 문서의 범위, WD_k는 k 번째 대상 문서의 범위, min(WQ, WD_k)는 WQ와 WD_k 중 작은 값, max(WQ, WD_k)는 WQ와 WD_k 중 큰 값)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 질의 문서와 상기 대상 문서간의 유사도는, 다음의 수학식

(이때, S_k는 질의 문서와 k 번째 대상 문서와의 유사도, T_k는 질의 문서의 주제어와 k 번째 대상 문서의 주제어와의 온톨로지 isA 계층구조에서의 정규화된 거리, A_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제15항에 있어서,

상기 질의 문서의 주제어와 k 번째 대상 문서의 주제어와의 온톨로지 isA 계층구조에서의 정규화된 거리는, 다음의 수학식

(이때, T_k는 질의 문서와 k 번째 대상 문서와의 정규화된 거리, CQ는 질의 문서의 주제어, CD_k는 k 번째 대상 문서의 주제어, d(A, B)는 온톨로지 isA 계층구조에서 노드 A와 B 사이의 거리, w₃는 조정계수로서 0<w₃≤1)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제15항에 있어서,

상기 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율은,

(이때, A_k는 질의 문서의 범위와 k 번째 대상 문서의 범위의 정규화된 비율, WQ는 질의 문서의 범위, WD_k는 대상 문서의 범위, min(WQ, WD_k)는 WQ와 WD_k 중 작은 값, max(WQ, WD_k)는 WQ와 WD_k 중 큰 값, w₄는 조정계수로서 0<w₄≤1)

에 의하여 정해지는, 문서간 유사도 측정 방법.
제1항에 있어서,

상기 유사도 계산 단계의 수행 이후,

상기 문서간 유사도 측정 장치에서, 상기 계산된 유사도가 높은 순서로 소정 개수의 대상 문서를 상기 질의 문서와 유사한 문서로 선정하는 단계;

를 더 포함하는, 문서간 유사도 측정 방법.
제1항 내지 제5항 또는 제7항 내지 제18항 중 어느 한 항에 기재된 방법을 컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
키워드들간의 온톨로지 isA 계층구조가 저장된 데이터베이스;

질의 문서 및 대상 문서로부터 복수 개의 키워드 및 상기 각 키워드의 상기 문서 내에서의 빈도수를 추출하는 키워드 추출부;

상기 질의 문서 및 상기 대상 문서에서 추출된 키워드로부터 상기 질의 문서 및 상기 대상 문서의 주제어를 선정하는 주제어 선정부;

상기 질의 문서 및 상기 대상 문서의 범위를 계산하는 문서 범위 계산부; 및

상기 주제어 선정부에서 선정된 상기 질의 문서 및 상기 대상 문서의 주제어, 상기 문서 범위 계산부에서 계산된 상기 질의 문서 및 상기 대상 문서의 범위를 이용하여 상기 온톨로지 isA 계층구조상에서의 상기 질의 문서와 상기 대상 문서의 유사도를 계산하는 유사도 계산부를 포함하며,

상기 질의 문서 또는 상기 대상 문서의 범위는, 상기 질의 문서 또는 상기 대상 문서의 주제어와 상기 질의 문서 또는 상기 대상 문서로부터 추출된 키워드 간의 온톨로지 isA 계층구조상의 평균거리, 중간거리, 최근거리 또는 최장거리 중 어느 하나인, 문서간 유사도 측정 장치.
제20항에 있어서,

상기 유사도 계산부는, 상기 계산된 유사도가 높은 순서로 소정 개수의 대상 문서를 상기 질의 문서와 유사한 문서로 선정하는, 문서간 유사도 측정 장치.
제20항에 있어서,

상기 대상 문서의 주제어 및 범위 및 상기 주제어 및 범위로부터 구축된 인덱스가 저장되는 문서 주제어 및 범위 데이터베이스를 더 포함하는, 문서간 유사도 측정 장치.