KR101301720B1 - 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법 - Google Patents
조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법 Download PDFInfo
- Publication number
- KR101301720B1 KR101301720B1 KR1020090110459A KR20090110459A KR101301720B1 KR 101301720 B1 KR101301720 B1 KR 101301720B1 KR 1020090110459 A KR1020090110459 A KR 1020090110459A KR 20090110459 A KR20090110459 A KR 20090110459A KR 101301720 B1 KR101301720 B1 KR 101301720B1
- Authority
- KR
- South Korea
- Prior art keywords
- functional information
- web service
- generalized
- generating
- combined
- Prior art date
Links
- 239000000203 mixture Substances 0.000 title description 4
- 238000010276 construction Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000010365 information processing Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 235000021185 dessert Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법에 관한 것으로, 웹문서에 기술된 절차적 지식을 분석하여 업무 수행에 요구되는 기능성(Functionality) 정보를 일반화(Normalizing)하여 지속적으로 축적하고, 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 자동으로 구성함으로써 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 극복할 수 있도록 한 것이다.
조합 웹서비스, 업무절차, 기능성(Functionality)
Description
본 발명은 웹서비스를 위한 업무절차를 자동으로 생성하는 기술에 관련한 것으로, 특히 다수의 웹서비스가 결합되는 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법에 관한 것이다.
본 발명은 지식경제부에서 수행한 연구로부터 도출된 것이다[과제관리번호: 2009-F-048-01, 과제명: 네트워크 기반 수요자 지향 융합서비스 공통플랫폼 기술 개발].
웹 서비스의 활용 증대와 함께, 시맨틱 웹 서비스(Semantic WEB Service) 분야에서 BPEL(Business Process Execution Language)을 통해 웹서비스들을 결합(Composition)하는 문제가 최근 많은 관심을 받고 있다.
특정 웹서비스를 제공하는 도메인의 업무절차(Workflow)처럼 일목 묘연하게 웹서비스가 기술되고 결합되면 좋겠지만, 모든 도메인에서 필요한 웹서비스의 결합 을 미리 예상하고 결합하는 문제는 매우 어려운 문제이다.
다양한 사용자 요구를 수반하는 웹 서비스 영역에서 수동으로 작성된 업무절차(Workflow)는 재사용하기 어려워 다른 도메인으로의 확장이 용이하지 않을 뿐만 아니라, 현재로서는 그 종류 및 수량이 충분하지 않으므로, 이를 극복하기 위한 연구가 필요하다.
본 발명은 상기한 취지하에 발명된 것으로, 웹문서에 기술된 절차적 지식을 분석하여 업무 수행에 요구되는 기능성(Functionality) 정보를 일반화하여 축적하고, 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 구성할 수 있는 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법을 제공함을 그 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 일 양상에 따르면, 웹문서로부터 업무 수행에 요구되는 정보가 기록된 문장을 획득하고, 획득된 문장내에서 업무 수행을 위한 액션(Action)과, 업무 수행 객체(Object)를 추출하고, 추출된 액션과 객체를 연관시킨 기능성(Functionality) 정보를 생성 및 선별하고, 선별된 기능성 정보를 일반화하여 축적하고, 축적된 일반화된 기능성 정보들을 조합하여 다수의 웹서비스가 결합되는 조합 웹서비스의 업무절차(Workflow)를 구성하는 것을 특징으로 한다.
본 발명은 지속적으로 증가하는 웹문서에 기술된 절차적 지식을 분석하여 업무 수행에 요구되는 기능성(Functionality) 정보를 일반화하여 지속적으로 축적하고, 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 자동으로 구성함으로써 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 극복할 수 있는 유용한 효과를 가진다.
또한, 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 수동으로 해결하는 종래의 방법에서 야기되는 시간 및 비용 소모를 절감할 수 있다.
이하, 첨부된 도면을 참조하여 기술되는 바람직한 실시예를 통하여 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 기술하기로 한다.
본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명 실시예들의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 발명 명세서 전반에 걸쳐 사용되는 용어들은 본 발명 실시예에서의 기능을 고려하여 정의된 용어들로서, 사용자 또는 운용자의 의도, 관례 등에 따라 충분히 변형될 수 있는 사항이므로, 이 용어들의 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
비지니스 프로세스의 혁신을 통한 경쟁력 향상의 재고와 함께 비지니스 프로 세스 관리(BPM: Business Process Management)에 대한 관심이 부각되고 있다. 비지니스 프로세스 관리(BPM)의 핵심부분인 업무절차(Workflow) 구성은 목적 단위 업무간의 흐름을 분석·통제·관리하여 정확하고 신속한 업무처리, 효과적인 정보제공, 실시간 업무통제 등을 위해 매우 중요하다. 따라서, 체계적이고 지속적인 업무절차 평가와 분석을 통해 비지니스 혁신을 수행할 수 있다.
BPEL(Business Process Execution Language)은 느슨한 형태로 연계된 여러 웹서비스를 조합하여 장기수행 업무절차(Long Running Workflow)를 생성하고 이를 하나의 비지니스 애플리케이션으로 통합하는 것을 주 목적으로 한다. 특히 J2EE 및 .NET 진영의 주요 벤더들이 적극적으로 BPEL을 지원하였기에, BPEL은 과거의 업무절차 언어(Workflow Language)들과 비교하여 기능적 측면뿐만 아니라, XML 및 웹 서비스를 통한 언어 중립성 제공 측면에도 강점이 있다.
BPEL이 상위 레벨의 객체(Object)를 대상으로 하고 데이터 조작 및 프로세스 플로우를 위한 기본적인 언어 요소들을 제공하고 있지만, BPEL의 구성은 모두 해당 도메인의 전문가 및 개발자의 수작업에 의존하고 있다.
또한, 수동으로 제작된 비지니스 프로세스라 할지라도 직관적이고 표준적인 행동에 기반을 두지 않고, 업무특성에 따라 각각의 정보시스템을 사용하며 각 시스템에서 규정한 형식에 따라 비지니스 프로세스의 업무수행에 대한 정보를 저장하는 경향이 있다.
이러한 현실은, 다른 도메인으로의 비지니스 프로세스 확장과, 해당 도메인 내에서의 유사 프로세스 트래킹(Tracking)을 어렵게 한다. 이는 보다 자동적이고 시맨틱한 BPEL을 구성하는 측면에서 반드시 극복되어야 할 과제이다.
BPEL로 기술된 비지니스 프로세스를 마이닝(Mining)하는 것은 그 양에 있어 매우 제약적이기 때문에 본 발명에서는 다수의 웹서비스들이 결합되는 조합 웹서비스의 업무절차 구성시, 웹문서를 기반으로 액션 마이닝(Action Mining)하고, 기능성(Functionality) 기반의 업무절차를 생성한다.
본 발명에 따른 조합 웹서비스의 업무절차 생성장치는 웹문서에 기술된 절차적 지식을 분석하여 업무(Task)를 수행하는데 필요한 기능성(Functionality) 정보를 일반화하여 축적하고, 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 구성한다.
도 1 은 본 발명에 따른 조합 웹서비스의 업무절차 생성장치의 일 실시예의 구성을 도시한 블럭도이다. 도 1 에 도시한 바와 같이, 이 실시예에 따른 조합 웹서비스의 업무절차 생성장치(100)는 웹문서 전처리부(110)와, 기능성 정보 처리부(120)와, 기능성 정보 변환부(130)와, 기능성 정보 저장부(140)와, 업무절차 구성부(150)를 포함하여 이루어진다.
웹문서 전처리부(110)는 웹문서로부터 업무 수행에 요구되는 정보가 기록된 문장을 획득한다. 웹문서로부터 정보를 추출할 수 있는 리소스로는 사람들이 입력한 절차적 지식을 확보할 수 있는 웹사이트들을 활용하여 얻을 수 있다. 웹 2.0 기반의 여러 웹사이트들은 집단 지성(Collective Intelligence)이라 불리는 지식이 여러 참여자들의 도움으로 끊임없이 증가하는 경향이 있다.
예컨대, 쇼핑에서 할인받는 방법, 넥타이 매는 방법, 고장난 컴퓨터 고치는 방법, 뉴욕을 여행하는 방법, 여자친구 사귀는 방법, 여러 가지 음식 만드는 방법 등 다양한 사용자가 원하는 목적을 수행하는 데 필요한 절차적 지식들이 여러 전문가/비전문가들에 의해 쌓여가고 있다.
예컨대, 웹문서 전처리부(110)는 집중 크롤링(Focused Crawling)을 거쳐서, 웹문서로부터 HTML 코드들을 제거하고, 순수하게 특정 업무 수행에 요구되는 절차적 지식을 담은 텍스트(Text) 부분만을 획득할 수 있다. 도 2 는 웹문서로부터 텍스트(Text) 부분만을 획득한 화면의 일 예를 도시한 도면이다. 도 2 에서 좌측은 웹문서가 실행되는 웹페이지 화면이고, 우측은 웹문서로부터 텍스트 부분을 획득한 화면을 예시하고 있다.
기능성 정보 처리부(120)는 웹문서 전처리부(110)에 의해 획득된 문장내에서 업무 수행을 위한 액션(Action)과, 업무 수행 객체(Object)를 추출하고, 추출된 액션과 객체를 연관시킨 기능성(Functionality) 정보를 생성 및 선별한다.
예컨대, 기능성 정보 처리부(120)가 웹문서 전처리부(110)에 의해 획득된 문장내에서 형태소 분석 및 개체명 태깅을 통해 액션(Action)을 표현하는 동사(verb) 부분과, 이것의 대상이 되는 객체(Object)를 나타내는 개체(ingredient) 부분을 포함하는 문장을 추출할 수 있다.
도 3 은 획득된 문장내에서 액션과 객체를 포함하는 문장을 추출한 화면의 일 예를 도시한 도면으로, 도 3 의 첫번째 문장을 보면 획득된 문장내에서 액션(Action)을 표현하는 동사(verb) 부분인 'find'와, 이것의 대상이 되는 객체(Object)를 나타내는 개체(ingredient) 부분인 'the lock nut'이 추출되었음을 볼 수 있다.
기능성 정보 변환부(130)는 기능성 정보 처리부(120)에 의해 선별된 기능성 정보를 일반화한다. 웹문서 마다 업무 수행에 요구되는 절차적 지식은 상이하게 기술되어 있다. 이러한 상이하게 기술된 절차적 지식의 차이를 줄이고, 동시에 업무수행 절차를 보다 직관적으로 파악하기 위해 기능성 정보 변환부(130)를 통해 기능성 정보 처리부(120)에 의해 선별된 기능성 정보를 일반화한다.
예컨대, 기능성 정보 변환부(130)가 액션과 객체를 연관시킨 기능성 정보에 포함되는 액션과 객체를 의미가 유사한 고빈도의 표현 즉, 일반적으로 많이 사용되는 표현으로 일반화함으로써 일반화할 수 있다. 이 때, 기능성 정보 변환부(130)가 미리 학습된 일반화 패턴 모델을 참조하는 기계 학습법을 통해 기능성 정보를 일반화할 수 있다.
따라서, 경우에 따라서는 추출된 액션과 객체를 연관시킨 기능성(Functionality) 정보의 표현이 그대로 유지되기도 하며, 완전히 다른 표현으로 바뀌기도 한다.
기능성 정보 저장부(140)는 기능성 정보 변환부(130)에 의해 일반화된 기능성 정보를 데이터베이스에 저장 또는 갱신하여 축적한다. 즉, 기능성 정보 저장부(140)는 기능성 정보 변환부(130)에 의해 일반화된 기능성 정보를 데이터베이스에 새로이 추가하거나, 이미 존재하는 기능성 정보를 갱신한다.
업무절차 구성부(150)는 기능성 정보 저장부(140)에 의해 저장 또는 갱신되어 축적된 일반화된 기능성 정보들을 조합하여 다수의 웹서비스가 결합되는 조합 웹서비스의 업무절차(Workflow)를 구성한다.
예컨대, 업무절차 구성부(150)가 추상화(Abstraction) 기법을 이용해 컴포넌트 웹서비스들이 추상화되어 조합된 다수의 조합 웹서비스 업무절차 사례들을 구성하고, 추상화된 컴포넌트 웹서비스 각각에 상이한 기능성 정보들을 대응시킴으로써 조합 웹서비스의 업무절차를 자동으로 구성할 수 있다.
이 때, 업무절차 구성부(150)가 조합 웹서비스를 제공받는 도메인별로 상이한 일반화된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차(Workflow)를 구성함으로써 사용자 적응적인 조합 웹서비스의 업무절차를 구성하도록 구현할 수도 있다.
따라서, 이와 같이함에 의해 본 발명은 지속적으로 증가하는 웹문서에 기술된 절차적 지식을 분석하여 업무 수행에 요구되는 기능성(Functionality) 정보를 일반화하여 지속적으로 축적하고, 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 자동으로 구성함으로써 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 극복할 수 있게 된다.
이에 따라, 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 수동으로 해결하는 종래의 방법에서 야기되는 불일치 문제 해결을 위한 시간 및 비용 소모를 절감할 수 있게 된다.
한편, 본 발명의 부가적인 양상에 따르면, 기능성 정보 처리부(120)가 생성된 기능성 정보에 대한 적합성을 판단하여 기능성 정보를 선별하도록 구현할 수도 있다.
예컨대, 기능성 정보 처리부(120)가 적합성 계산을 위한 적어도 하나의 계산모델을 이용해 기능성 정보에 대한 점수를 계산하고, 계산된 점수를 임계치와 비교하여 기능성 정보에 대한 적합성을 판단할 수 있다. 이 때, 기능성 정보 처리부(120)가 점수 계산시 계산모델별 가중치를 반영할 수도 있다.
도 4 는 다수의 계산모델을 사용하여 기능성 정보를 선별하는 개요도로, 언어모델(Language Model), PMI(Point-wise Mutual Information)-IR(Information Retrieval), 워드넷(WordNet) 3개의 계산모델을 사용하여 기능성 정보를 선별하도록 한 것이다.
기능성 정보 처리부(120)는 웹문서 전처리부(110)에 의해 획득된 문장내에서 업무 수행을 위한 액션(Action)과, 업무 수행 객체(Object)를 추출하고, 추출된 액션과 객체를 연관시킨 기능성(Functionality) 정보를 생성한다.
기능성 정보가 생성되면, 기능성 정보 처리부(120)는 언어모델을 통해 기능성 정보의 액션과 객체가 갖는 상대적 중요도를 계산한다. 수학식 1 내지 수학식 4 는 기능성 정보의 액션과 객체가 갖는 상대적 중요도를 계산하는 식의 예이다.
위의 식들에서 Vi는 액션 집합에서의 i번째 액션, Eij는 Vi의 j번째 객체, P(LMfg("Vi Eij"))는 해당 도메인에서의 액션-객체 쌍의 확률, P(LMfg("Vi"))는 해당 도메인에서의 액션의 확률, P(LMbg("Vi Eij"))는 전체 액션-객체 쌍의 확률이다.
수학식 1 과 수학식 2 는 개별 단어가 아닌 쌍을 이루는 확률들을 나타내는데, 수학식 1은 해당 도메인내에서의 확률, 수학식 2 는 전체 도메인 대비 해당 도메인 내에서 두드러질 확률을 나타낸다. 수학식 3 은 수학식 1과 수학식 2를 합한 값으로 상대적 중요도를 정의한 식이다.
한편, 여러개의 객체 후보들중에서 의미가 유사한 객체들을 골라내기 위해 워드넷(WordNet)을 활용해 유사 어휘 집합을 생성하고, 형태소 분석(part-of-speech tagging)과 청킹(Phrase chunking)을 거쳐 명사구(Noun phrase)만 획득한다.
우선, 각 문장에서 모든 단어들을 추출한 후, 해당 단어의 동의어(Synonym)를 획득하기 위해 워드넷(WordNet)을 참조하여 각 단어들의 상위 어휘를 확인한 후, 종속되는 동의어 리스트를 획득한다.
이는 텍스트에서 나타나는 단어로만 의미를 파악하는 것은 통계적 수치를 파악하는 데 충분치 않기 때문이다. 경우에 따라, 추가적으로 대용어 사전을 따로 구축하여 도메인에 특화적된 동의어를 처리할 수도 있다.(워드넷은 언어학자들이 편 찬하였기에 실제 기술, 공학 도메인의 단어들은 포함하지 않는 경우가 많다.)
형태소 분석과 청킹은 명사구를 제외한 나머지를 필터링하게 되는데, 추출된 명사구들 중 통계적으로 출현 가능성이 높은 것을 다시 걸러낸다. 이를 위해, 예컨대 Google Conditional Probability(GCP) 점수를 활용하여 기능성 정보에 대한 점수 Wobject를 획득한다. 수학식 4는 PMI-IR을 이용한 수식으로써 해당 액션과 객체간의 동시 출현비율(Co-occurrence Frequency)로 의미적 관계성(Semantic Relatedness)을 나타낸 것이다.
수학식 4 에서 hits("Vi Eij")는 Vi와 Eij를 검색어로 하여 검색엔진으로부터 획득한 검색수이고, hits("Vi")는 Vi를 검색어로 하여 검색엔진으로부터 획득한 검색수이다.
도 5 는 액션에 해당하는 동사를 추출한 화면의 일 예를 도시한 도면으로, 식 1 내지 식 3을 액션에 해당하는 동사 추출에 적용한 예이다. 도 5 를 참조해 보면, 예컨대 'Travel' 카테고리의 경우 'book'이 해당 카테고리에서 상대적으로 중요함을 확인할 수 있다.
각 계산모델별 가중치를 고려한 기능성 정보에 대한 점수 계산은 식 3을 통해 이루어지는데, 이 때, 계산된 점수들을 높은 점수를 가진 순서대로 정렬하고, 임계치와 비교하여 임계치를 넘는 점수를 가지는 기능성 정보를 선별함으로써 기능성 정보에 대한 적합성을 판단한다.
한편, 본 발명의 부가적인 양상에 따르면, 기능성 정보 변환부(130)가 일반화된 기능성 정보에 대한 타당성을 판단하도록 구현할 수도 있다. 예컨대, 기능성 정보 변환부(130)가 미리 학습된 일반화 패턴 모델을 이용하여 일반화된 기능성 정보에 대한 타당성을 판단하도록 구현할 수 있다. 또한, 상기 기능성 정보 변환부(130)가 일반화된 기능성 정보에 대한 일반화 레벨 및 클래스를 결정하도록 구현할 수도 있다.
도 6 은 선별된 기능성 정보를 일반화하는 예를 도시한 개요도이다. 기능성 정보 변환부(130)는 기능성 정보 처리부(120)에 의해 선별된 기능성 정보를 일반화하는데, 선별된 기능성 정보의 액션과 객체 쌍을 데이터베이스를 참조하여 동일 또는 유사 업무에 존재하는 기능성 정보의 액션과 객체 쌍들 및 업무절차와 비교하여 일반화하고, 기능성 정보에 대한 일반화 레벨 및 업무 클래스를 결정한다.
도 7 은 선별된 기능성 정보를 일반화하는 과정의 일 예를 도시한 흐름도이다. 먼저, 단계 S710 에서 선별된 기능성 정보의 액션과 객체를 워드넷 또는 대용어 사전을 이용하여 유사한 의미의 고빈도 표현으로 변환을 시도한다. 이는 일반화된 기능성 정보에 대한 레벨 결정시 애매성(Ambiguity)을 없애고, 미리 학습된 일반화 패턴과의 비교를 용이하게 위해서다.
대용어 사전의 경우 도메인과 적용 범위가 확대되어감에 따라 추가적인 확장이 필요한데, 이는 데이터베이스를 참조하여 최근에 확장된 업무절차에 포함되는 기능성 정보들을 기반으로 확장할 수 있다.
선별된 기능성 정보의 액션과 객체가 유사한 의미의 고빈도 표현으로 변환되면, 단계 S720에서 미리 학습된 일반화 패턴을 조회하여 일반화된 기능성 정보에 대한 일반화 레벨을 계산하고, 단계 S730에서 업무 크래스가 존재하는지 판단한다.
일반화 패턴은 최대 엔트로피(Maximum Entropy) 모델을 활용하여 미리 학습되어 있다고 가정하고, 기능성 정보의 액션과 객체를 미리 학습된 일반화 패턴과 비교해 실험적 임계치 이상의 경우에만 일반화 레벨을 결정한다.
최대 엔트로피 모델은 주어진 제약 조건을 만족시키는 확률 분포들 사이에서 가장 균일한 분포를 취하는데, 조건부 확률인 p(y|x)를 최대한으로 만족시키는 y를 찾는데 쓰인다. x는 각 업무절차에서의 기능성 정보를 나타내고, y는 업무의 클래스를 나타낸다.
따라서, 각 업무별로 다수 존재하는 기능성 정보 사례들이 학습 데이터로 쓰여서, 최대 엔트로피 모델을 최적화하게 된다. k개의 기능성 정보를 입력으로 가질 경우의 조건부 확률은 다음의 수학식 5 와 같다.
수학식 5에서 k는 기능성 정보의 개수, fk 는 k번째의 기능성 정보를 의미하고, λk는 최대 엔트로피 모델에서 각 기능성 정보를 위한 가중치를 나타낸다. 그리 고 Z 는 ∑p(y|x)=1를 만족시키는 일반화 펙터이다. 최대 엔트로피 모델 외에도 조건부 랜덤 필드(Conditional Random Field)가 또 다른 기계학습 기법으로 사용될 수 있다.
데이터베이스에 미리 저장되는 학습된 일반화 패턴은 새로이 입력되는 기능성 정보에 대한 일반화 레벨 및 업무 클래스를 분류하는데 활용될 수 있는데, 새로이 입력되는 기능성 정보가 적절한 일반화 레벨을 만족시키지 않는 경우, 현저히 낮은 업무 클래스 관련도를 결과로 출력하게 된다.
이런 경우, 유사한 의미의 고빈도 표현으로 변환하는 과정인 단계 S710으로 복귀해 다음 순위의 어휘를 기능성 정보의 액션과 객체로 선택하여 단계 S720을 통해 미리 학습된 일반화 패턴을 조회하여 일반화된 기능성 정보에 대한 일반화 레벨을 새로 계산하고, 단계 S730에서 업무 클래스 존재 여부를 판단한다.
수정된 기능성 정보가 적절한 일반화 레벨 및 업무 클래스를 만족할 경우, 단계 S740 에서 해당 기능성 정보의 일반화 레벨 및 업무 클래스를 결정하고, 기능성 정보 저장부(140)가 기능성 정보 변환부(130)에 의해 일반화된 기능성 정보를 데이터베이스에 저장 또는 갱신할지를 결정한다. 완전히 새로운 기능성 정보 또는 변경된 기능성 정보일 경우, 데이터베이스에 새로이 추가하거나 또는 이미 존재하는 기능성 정보를 갱신한다.
도 8 은 데이터베이스에 축적된 기능성 정보들과 업무절차들의 매칭 관계를 예시한 도면이다. 도 8 을 참조해 보면, 업무절차들이 중간 중간 유사한 기능성 정보를 공유하고 있음을 발견할 수 있으며, 어떤 기능성 정보를 서로 다른 업무절차 가 공유하는지를 확인할 수 있다. 예를들면, 도 8 의 하단 좌측 기능성 정보 'egg'는 'Eat breakfast'와 'Pick a dessert'와 공유되고 있음을 볼 수 있다.
도 9 를 참조하여 본 발명에 따른 조합 웹서비스의 업무절차 생성장치가 조합 웹서비스의 업무절차 생성을 위한 기능성 정보를 구축하는 절차를 알아본다. 도 9 는 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법의 일 실시예를 도시한 흐름도이다.
도 9 에 도시한 바와 같이, 이 실시예에 따른 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법은 먼저, 조합 웹서비스의 업무절차 생성장치가 단계 S910에서 웹문서로부터 업무 수행에 요구되는 정보가 기록된 문장을 획득한다. 웹문서로부터 업무 수행에 요구되는 정보가 기록된 문장을 획득하는 것과 관련해서는 기 설명하였으므로 중복 설명은 생략하기로 한다.
그 다음, 조합 웹서비스의 업무절차 생성장치가 단계 S920에서 상기 단계S910에 의해 획득된 문장내에서 업무 수행을 위한 액션(Action)과, 업무 수행 객체(Object)를 추출하고, 추출된 액션과 객체를 연관시킨 기능성(Functionality) 정보를 생성 및 선별한다.
이 때, 단계 S920에서 생성된 기능성 정보에 대한 적합성을 판단하여 기능성 정보를 선별하도록 구현할 수도 있다. 예컨대, 적합성 계산을 위한 적어도 하나의 계산모델을 이용해 기능성 정보에 대한 점수를 계산하고, 계산된 점수를 임계치와 비교하여 기능성 정보에 대한 적합성을 판단할 수 있다. 한편, 점수 계산시 계산모델별 가중치를 반영할 수도 있다. 추출된 액션과 객체를 연관시킨 기능성 정보를 생성하고 선별하는 것과 관련해서는 기 설명하였으므로 중복 설명은 생략하기로 한다.
그 다음, 조합 웹서비스의 업무절차 생성장치가 단계 S930에서 상기 단계 S920에 의해 선별된 기능성 정보를 일반화(Normalizing)한다. 이 때, 단계 S930에서 액션과 객체를 연관시킨 기능성 정보에 포함되는 액션과 객체를 의미가 유사한 고빈도의 표현으로 일반화할 수 있다.
한편, 단계 S930에서 일반화된 기능성 정보에 대한 타당성을 판단하도록 구현할 수도 있다. 예컨대, 미리 학습된 일반화 패턴 모델을 이용하여 일반화된 기능성 정보에 대한 타당성을 판단할 수 있다.
한편, 단계 S930에서 일반화된 기능성 정보에 대한 일반화 레벨 및 업무 클래스를 결정할 수도 있다. 선별된 기능성 정보를 일반화하고, 일반화된 기능성 정보에 대한 타당성을 판단하고, 일반화된 기능성 정보에 대한 일반화 레벨 및 업무 클래스를 결정하는 것과 관련해서는 기 설명하였으므로 중복 설명은 생략하기로 한다.
그 다음, 조합 웹서비스의 업무절차 생성장치가 단계 S940에서 상기 단계 S930에 의해 일반화된 기능성 정보를 데이터베이스에 저장 또는 갱신하여 축적한다. 따라서, 지속적으로 증가하는 웹문서에 기술된 절차적 지식을 분석하여 업무 수행에 요구되는 기능성(Functionality) 정보를 일반화하여 지속적으로 축적할 수 있게 되고, 본 발명에 따른 조합 웹서비스의 업무절차 생성장치가 이 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 자동으로 구성하게 된다.
이상에서 설명한 바와 같이, 본 발명은 지속적으로 증가하는 웹문서에 기술된 절차적 지식을 분석하여 업무 수행에 요구되는 기능성(Functionality) 정보를 일반화하여 지속적으로 축적하고, 축적된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차를 자동으로 구성함으로써 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 극복할 수 있다.
이에 따라, 이질적인 다수의 웹서비스를 동적으로 결합하여 하나의 조합 웹서비스 구성시 발생하는 불일치 문제를 수동으로 해결하는 종래의 방법에서 야기되는 불일치 문제 해결을 위한 시간 및 비용 소모를 절감할 수 있으므로, 상기에서 제시한 본 발명의 목적을 달성할 수 있다.
본 발명은 첨부된 도면에 의해 참조되는 바람직한 실시예를 중심으로 기술되었지만, 이러한 기재로부터 후술하는 특허청구범위에 의해 포괄되는 범위 내에서 본 발명의 범주를 벗어남이 없이 다양한 변형이 가능하다는 것은 명백하다.
본 발명은 웹서비스를 위한 업무절차 생성 기술분야 및 이의 응용 기술분야에서 산업상으로 이용 가능하다.
도 1 은 본 발명에 따른 조합 웹서비스의 업무절차 생성장치의 일 실시예의 구성을 도시한 블럭도
도 2 는 웹문서로부터 텍스트 부분만을 획득한 화면의 일 예를 도시한 도면
도 3 은 획득된 문장내에서 액션과 객체를 포함하는 문장을 추출한 화면의 일 예를 도시한 도면
도 4 는 다수의 계산모델을 사용하여 기능성 정보를 선별하는 개요도
도 5 는 액션에 해당하는 동사를 추출한 화면의 일 예를 도시한 도면
도 6 은 선별된 기능성 정보를 일반화하는 예를 도시한 개요도
도 7 은 선별된 기능성 정보를 일반화하는 과정의 일 예를 도시한 흐름도
도 8 은 데이터베이스에 축적된 기능성 정보들과 업무절차들의 매칭 관계를 예시한 도면
도 9 는 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법의 일 실시예를 도시한 흐름도
<도면의 주요 부분에 대한 부호의 설명>
100 : 업무절차 생성장치 110 : 웹문서 전처리부
120 : 기능성 정보 처리부 130 : 기능성 정보 변환부
140 : 기능성 정보 저장부 150 : 업무절차 구성부
Claims (17)
- 웹문서로부터 업무 수행에 요구되는 정보가 기록된 문장을 획득하는 웹문서 전처리부와;상기 웹문서 전처리부에 의해 획득된 문장내에서 업무 수행을 위한 액션(Action)과, 업무 수행 객체(Object)를 추출하고, 추출된 액션과 객체를 연관시킨 기능성(Functionality) 정보를 생성하고, 적합성 계산을 위한 적어도 하나의 계산모델을 이용해 생성된 기능성 정보에 대한 점수를 계산하고, 계산된 점수를 임계치와 비교하여 기능성 정보에 대한 적합성을 판단 판단하여 기능성 정보를 선별하는 기능성 정보 처리부와;상기 기능성 정보 처리부에 의해 선별된 기능성 정보를 일반화(Normalizing)하는 기능성 정보 변환부와;상기 기능성 정보 변환부에 의해 일반화된 기능성 정보를 데이터베이스에 저장 또는 갱신하여 축적하는 기능성 정보 저장부와;상기 기능성 정보 저장부에 의해 저장 또는 갱신되어 축적된 일반화된 기능성 정보들을 조합하여 다수의 웹서비스가 결합되는 조합 웹서비스의 업무절차(Workflow)를 구성하는 업무절차 구성부를;포함하여 이루어지는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 삭제
- 삭제
- 제 1 항에 있어서,상기 기능성 정보 처리부가:점수 계산시 계산모델별 가중치를 반영하는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 제 1 항에 있어서,상기 기능성 정보 변환부가:액션과 객체를 연관시킨 기능성 정보에 포함되는 액션과 객체를 미리 학습된 일반화 패턴 모델을 참조하여 의미를 일반화하는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 제 5 항에 있어서,상기 기능성 정보 변환부가:일반화된 기능성 정보에 대한 타당성을 판단하는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 제 6 항에 있어서,상기 기능성 정보 변환부가:미리 학습된 일반화 패턴 모델을 이용하여 일반화된 기능성 정보에 대한 타당성을 판단하는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 제 5 항에 있어서,상기 기능성 정보 변환부가:일반화된 기능성 정보에 대한 일반화 레벨 및 업무 클래스를 결정하는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 제 1 항에 있어서,상기 업무절차 구성부가:조합 웹서비스를 제공받는 도메인별로 상이한 일반화된 기능성 정보들을 조합하여 조합 웹서비스의 업무절차(Workflow)를 구성하는 것을 특징으로 하는 조합 웹서비스의 업무절차 생성장치.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090110459A KR101301720B1 (ko) | 2009-11-16 | 2009-11-16 | 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법 |
| US12/847,579 US20110119229A1 (en) | 2009-11-16 | 2010-07-30 | Apparatus for creating workflow of composition web service and functionality information construction method for creating workflow of composition web service |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090110459A KR101301720B1 (ko) | 2009-11-16 | 2009-11-16 | 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20110053787A KR20110053787A (ko) | 2011-05-24 |
| KR101301720B1 true KR101301720B1 (ko) | 2013-08-29 |
Family
ID=44012069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090110459A KR101301720B1 (ko) | 2009-11-16 | 2009-11-16 | 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20110119229A1 (ko) |
| KR (1) | KR101301720B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9633113B2 (en) * | 2010-08-06 | 2017-04-25 | Yahoo! Inc. | Socializing via search |
| KR101438924B1 (ko) * | 2012-11-28 | 2014-09-05 | 건국대학교 산학협력단 | 타입인지 웹 서비스 구성을 위한 모델 체킹 시스템 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000031265A (ko) * | 1998-11-04 | 2000-06-05 | 정선종 | 클래스 자동 추출 시스템 및 그 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7309808B1 (en) * | 2001-02-12 | 2007-12-18 | Parsons Corporation | Process for non-incineration decontamination of hazardous agents |
| US20040030741A1 (en) * | 2001-04-02 | 2004-02-12 | Wolton Richard Ernest | Method and apparatus for search, visual navigation, analysis and retrieval of information from networks with remote notification and content delivery |
| US7370022B2 (en) * | 2005-07-08 | 2008-05-06 | Honda Motor Co. | Building plans for household tasks from distributed knowledge |
-
2009
- 2009-11-16 KR KR1020090110459A patent/KR101301720B1/ko active IP Right Grant
-
2010
- 2010-07-30 US US12/847,579 patent/US20110119229A1/en not_active Abandoned
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000031265A (ko) * | 1998-11-04 | 2000-06-05 | 정선종 | 클래스 자동 추출 시스템 및 그 방법 |
Non-Patent Citations (2)
| Title |
|---|
| J.Rech et. al., "Using Knowledge Discovery Technology in Experience Management System." In the Proc. of FGML01, pp. 8-12, 2001. * |
| J.Rech et. al., "Using Knowledge Discovery Technology in Experience Management System." In the Proc. of FGML01, pp. 8-12, 2001.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20110053787A (ko) | 2011-05-24 |
| US20110119229A1 (en) | 2011-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tang et al. | Using Bayesian decision for ontology mapping | |
| US11222286B2 (en) | Target document template generation | |
| US8671101B2 (en) | System for requirement identification and analysis based on capability model structure | |
| Mahajani et al. | A comprehensive survey on extractive and abstractive techniques for text summarization | |
| Gad-Elrab et al. | Exception-enriched rule learning from knowledge graphs | |
| Gillani et al. | Process-based knowledge extraction in a public authority: A text mining approach | |
| Lytvyn et al. | Textual Content Categorizing Technology Development Based on Ontology. | |
| Siefkes et al. | An overview and classification of adaptive approaches to information extraction | |
| CN101140513A (zh) | 软件需求获取系统 | |
| Gillani et al. | Promine: a text mining solution for concept extraction and filtering | |
| KR101301720B1 (ko) | 조합 웹서비스의 업무절차 생성장치 및 조합 웹서비스의 업무절차 생성을 위한 기능성 정보 구축 방법 | |
| Bögl et al. | Semantic annotation of epc models in engineering domains to facilitate an automated identification of common modelling practices | |
| Jahn | Reasoning in knowledge graphs: Methods and techniques | |
| Harrington et al. | Asknet: Creating and evaluating large scale integrated semantic networks | |
| Kang et al. | ExpFinder: An Ensemble Expert Finding Model Integrating $ N $-gram Vector Space Model and $\mu $ CO-HITS | |
| Maalaoui et al. | Deriving Service-Oriented Dynamic Product Lines Knowledge from Informal User-Requirements: AI Based Approach | |
| Swadia | A study of text mining framework for automated classification of software requirements in enterprise systems | |
| Pérez Pupo et al. | Linguistic data summarization with multilingual approach | |
| Bögl et al. | Semantic annotation of EPC models in engineering domains by employing semantic patterns | |
| Owoseni et al. | Enhanced e-recruitment using semantic retrieval of modeled serialized documents | |
| Paschke et al. | Corporate semantic web: Towards the deployment of semantic technologies in enterprises | |
| Beieler | The Generation and Use of Political Event Data | |
| Kaddar et al. | Novel approach for semantic similarity cross ontology | |
| Mazouzi et al. | A new entropy-based heuristic for automatic enrichment of ontologies | |
| Ferro et al. | Intelligent Retrieval for Biodiversity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160726 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170727 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190725 Year of fee payment: 7 |