KR20060132591A - 데이터 저장 장치로부터의 정보 아이템들의 검색 - Google Patents

Abstract

본 발명은 데이터 저장 장치로부터 다수의 정보 아이템들을 검색하기 위한 방법에 관한 것으로서, 상기 방법은 일반적 분류를 포함하는 요청을 상기 데이터 저장 장치에 제시하는 단계; 및 상기 다수의 정보를 검색하는 단계를 포함하며, 상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 일반적 분류에 따르며, 상기 일반적 분류는 제1 클래스를 정의하며, 상기 다수의 정보 아이템들은 제2 클래스의 엘리먼트들이며, 상기 제1 및 제2 클래스 간에 포함 관계가 존재한다. 본 발명은 데이터 저장 장치로부터 다수의 정보 아이템들을 검색하기 위한 시스템(300)에 관한 것으로서, 일반적 분류를 포함하는 요청을 상기 저장 장치에 제시하도록 구성된 제시수단(306); 제1 클래스 및 제2 클래스를 정의하도록 구성된 분류수단(312)을 포함하는데, 상기 일반적 분류는 상기 제1 클래스를 정의하며, 상기 다수의 정보 아이템들은 상기 제2 클래스의 엘리먼트들이며 상기 제1 및 제2 클래스 간의 포함 관계가 존재하며; 및 상기 다수의 정보 아이템들을 검색하도록 구성된 검색 수단(308)을 포함하며, 상기 다수의 정보 아이템들의 미리 정의된 양은 상기 일반적 분류에 따른다.

정보 아이템, 클래스, 일반적 분류

Description

데이터 저장 장치로부터의 정보 아이템들의 검색{Retrieving information items from a data storage}

본 발명은 데이터 저장 장치로부터 다수의 정보 아이템들을 검색하는 방법에 관한 것이다.

또한, 본 발명은 데이터 저장 장치로부터 다수의 정보 아이템들을 검색하는 시스템에 관한 것이다.

또한, 본 발명은 상기 검색 방법을 실행하도록 설계된 컴퓨터 프로그램 제품에 관한 것이다.

또한, 본 발명은 상기 컴퓨터 프로그램 제품을 포함하는 정보 캐리어에 관한 것이다.

네트워킹 접속 및 특히 인터넷은 미디어를 액세스하기 위한 새로운 패러다임으로 되고 있다. 통상적인 아이템의 전송 및 재생에 견주어, 새로운 대화형 멀티미디어 프리젠테이션에 미디어를 결합하는 것이 실현 가능하다. 사회적 활동에 종사하면서 새로운 기회들을 획득하기 위하여, 적절한 콘텐츠에 효율적으로 네비게이팅할 수 있도록 하는 지원이 필요하다. 네비게이션은 이용가능한 콘텐츠의 용량 증가, 콘텐츠 타입의 이질성 및 분배 척도에 있어서 문제가 증대되고 있다. 재추 적할때조차 콘텐츠의 일부는 처리하기 어려울 수 있다. 키워드 탐색은 사용자로 하여금 오랜 기간 응답을 통해 브라우징하고 입력된 키워드 시퀀스를 창조적으로 수정하여 관심 콘텐츠를 검색하도록 하기 때문에 불충분할 수 있다.

기술적으로, 상기 문제는 사용자의 인식이 의미 레벨(semantic level)에 있는 반면에 시스템이 구문 레벨(syntactical level)에서 동작하는 비매칭과 관련되어 있다. 이러한 갭을 매우기 위한 방법은 시스템이 사용자의 의미, 사용자의 의사 및 사용자의 상황들을 "이해(understands)"하고 사용자에게 공개될 때 어떤 종류의 경험 콘텐츠가 도움이 되는지를 "이해(understands)"하도록 머신 프로세스들에 의미론을 도입하는 것이다. 월드 와이어 웹 컨소시엄(World Wide Web Consorium;W3C) 성향의 의미론 웹 개발은 상기 타입의 해석을 수행하는데 도움을 줄 수 있는 언어의 프레임워크를 도입한다(W3C, The Semantic Web, on http://www.w3.org/2001/sw/ 참조). 특히, 현재 개발중인 언어 자원 기술 프레임워크(Resource Description Framework;RDF) 및 웹 온톨로지 언어(Web Ontology Language;OWL)는 "Resource Description Framework(RDF) Model and Syntax Specification, W3C REC, http://www.w3.org/TR/REC-rdf-syntax/,Feb. 1999" and "OWL Web Ontology Language-Semantics and Abstract Syntax, W3C CR, http://www.w3.org/TR/owl-absyn/,Aug. 2003"를 참조하라. 규칙 언어가 미래에 예상된다.

도 1은 온톨로지를 제공하는 시스템을 기술한다. 상기 시스템(100)은 온톨로지(102) 및 하나 이상의 매핑들(108)을 포함한다. 상기 시스템은 m개의 콘텐츠 제공자들(104 내지 106)에 접속된다. 매핑(108)은 m개의 콘텐츠 제공자들(104 내지 106)의 메타데이터에 n개의 사용자들(110 내지 112)의 사용자 선호도들 및 사용자 질의들을 매핑시킨다. 매핑은 여러 방식들로 구현될 수 있다. 예컨대, 매핑은 사용자 전문용어 및 온톨로지 간의 테이블, 각각의 사용자에 대한 개별 테이블 및 온톨로지 및 사용자 제공자 간의 매핑으로서 구현될 수 있다. 일반적인 의미에서, 온톨로지는 세계에 어느 종류가 존재하는지와 이들이 어떻게 관계되어 있는지에 관한 연구 또는 관심이다. 여기서, 온톨로지는 프로그램들 및 사용자 공유 지식을 이해하는데 도움을 주기 위하여 사용되는 개념화의 명세이다. 이러한 용도에 있어서, 온톨로지는 개념들의 세트, 특히 정보를 교환하기 위한 협정 어휘를 생성하기 위하여 일부 방식(예컨대, 특정 자연)으로 규정된 이벤트들 및 관계들이다. 온톨로지는 클래스들, 특성들 및 그들의 엘리먼트들의 서술들을 포함할 수 있다(What's an ontology", by Tom Gruber on http://www-ksl.stanford.edu/kst/what-is-an-ontology.html 참조). 매핑은 온톨로지에 의하여 모델링된 프로세서로서 고려될 수 있으며, 이는 온톨로지에 의하여 제공된 지식을 통해 제공자 컨셉에 사용자 컨셉을 관련시킨다. 후자의 경우에는 세션당 하나의 가능하게 분배된 온톨로지가 존재한다.

사용자는 포털을 통해 제공자를 선택하며, 제공자의 사이트를 네비게이팅하거나 또는 제공자들의 다른 사이트들을 네비게이팅한다.

시스템(100)은 m개의 다른 제공자들로부터 미디어 콘텐츠를 n개의 사용자들에게 제공해야 하며, 여기서는 사용자의 선호도 프로필과 매칭되는 콘텐츠만이 선 택된다. 이러한 방향에서 제1 단계는 탐색 및 선택 프로세스들에서 콘텐츠에 대한 메타데이터를 사용하는 것이다. 예컨대, 콘텐츠 아이템들은 그들이 공유하는 메타데이터에 따라 분류될 수 있다. 이에 관하여, 메타데이터를 나타내는 키워드들은 바람직하게 스키마(schema)로 구성되며, 이때 탐색 애플리케이션은 그것의 분류 알고리즘에 기초할 수 있다. 비록 에러 있는 정보의 문제를 제외하고 스키마를 유지하는 문제가 업데이트되어 일관성 있게 공유될지라도 인터넷상에서 모든 사용자들 및 제공자들이 하나의 단일 메타데이터 스키마를 사용하는 것은 가능하지 않다. 따라서, 제2 단계는 시스템을 지원할 수 있도록 사용자 및 제공자의 도메인들에 충분히 걸쳐 있는 온톨로지(102)를 설정하는 것이며, 온톨로지(012)는 제공자의 메타데이터 상에 사용자의 선호도 및 질의들을 매핑한다.

이전에 기술된 바와 같이, 온톨로지는 명칭들로서 언급되는 컨셉들 및 이 컨셉들(concepts) 간의 관계로서 언급되는 규칙들에 의하여 애플리케이션 도메인을 기술한다. 컨셉들은 논리곱, 논리합 및 네비게이션으로서 논리 구성들을 사용하여 다른 클래스들로 관계들에 대한 제한들 지정함으로써 다른 컨셉들에 의하여 규정될 수 있다. 이 논리 구성들의 의미론은 연역법 또는 귀납법의 정의를 포함하는 모델 이론으로 규정된다. 서술 논리(DL; F.Baader et al, The Description Logic Handbook, Cambridge, 2003 참조)에 따르는 OWL의 부분을 사용할 때, 이들 귀납법에 대한 탐색은 독립적 서비스로서 제공될 수 있다. 예시적인 필연적인 결과는 시키마에서 명시적으로 모델링되지 않는 컨셉들 간의 서브클래스 관계들로서 언급되는 포함 관계들을 추론하는 것이다. 다시 말해서, 임의의 타입의 컨셉들, 예컨대 임의의 음악 장르를 요청하는 질의는 불완전할 수 있거나 또는 데이터베이스 내의 엘리먼트들, 이 경우에는 음악 아이템들이 분류되는 다른 방식으로 표현될 수 있다. 추론 서비스는 음악 아이템들의 클래스가 음악 장르의 요청된 클래스의 서브클래스인지의 여부를 결정하기 위한 수단을 제공한다. 이는 종종 질의 및 데이터베이스의 분류가 동일한 온톨로지 언어를 사용할 것을 요구한다.

예컨대, 제공자가 "에버그린(Evergreens)"이라고 라벨링된 음악을 제공한다고 가정한다. 컬렉션에서 노래들은 제목 및 음악가의 이름이 주석된다. 예컨대, 이는 "Yesterday"/The Beatles" 및 "Bridge over Troubled Water"/"Simon and Garfunkel"를 포함한다. 사용자는 그 자신의 선호도 리스트를 설정하여 "골든 히트(Golden Hits)"라 칭하는 클래스를 생성한다. 온톨로지를 사용하면, "골든 히트(Golden Hits)"라 칭하는 클래스는 "60년대(60s)"(제2 컨셉)에서 "히트(hits)"(제1 컨셉)인 노래들을 포함하는 것으로 정의된다. 게다가, 주간 톱텐 리스팅들을 공개하는 사이트가 존재한다고 가정한다. 온톨로지는 톱-텐 사이트상에서 리스트된 아이템들의 컬렉션으로서 "히트(hits)" 컨셉을 정의함으로써 사이트를 사용할 수 있도록 한다. 더욱이, 관계들은 "제목(title)", "음악가(artist)" 및 "구성데이터(compositionData)"로서 사이트의 데이터 필드들 및 온톨로지의 컨셉들 사이에서 설정된다. 최종적으로, 온톨로지는 컨셉 "구성데이터(compositionData)"에 의하여 컨셉 "60년대(60s)"를 정의한다. 동일한 사이트 또는 다른 저장 장치들을 가진 추가 관계들이 엘리먼트 값들을 결정한다.

따라서, 사용자 선호도 리스트들 클래스 "골든 히트(Golden Hots)"는 "톱-텐 사이트로서 리스트되고(listed on top-ten site)" "60년대에 작곡된(composed in 60s)" 것으로서 온톨로지에 의하여 알려진다. "에버그린(Evergreens)" 클래스는 "제목/음악가 쌍의 컬렉션(collection of title/artist pairs)"으로서 온톨리지에 의하여 알려진다. 이들 클래스 정의들에 기초하여, "제목/음악가 쌍들의 컬렉션(collection of title/artist pairs)"이 "톱-텐 사이트에 리스트된(listed on top-ten site)"의 서브클래스인지 그리고 유사한 방식으로 "60년대에 작곡된(composed in 60s)"의 서브클래스인지의 여부가 결정된다. 만일 그렇다면, 그것은 "골든 히트(Golden Hits)"의 서브클래스이며, 콘텐츠는 사용자가 관심을 갖는 것이다.

온톨로지는 상기 기능들을 수행하고, 멤버십을 검사하며 클래스들 간의 대부분의 특정 서브서머(subsumer) 또는 수퍼클래스 관계들을 정의하는 클래스들 추론 메커니즘을 제공한다. 클래스들은 내재적으로, 확장적으로 또는 이들의 결합으로 정의될 수 있다. 내재적으로 정의된 클래스는 유지되어야 하는 제한사항들 및 일반적 관계들에 의하여 정의된다. 확장적 정의 클래스는 클래스의 멤버인 엘리먼트들을 열거함으로써 정의된다. 이러한 열거는 가상적으로 무한할 수 있다. 확장적 정의 클래스는 일반적으로 클래스의 의미론 정의를 위하여 제공하지 않는다. 이는 컴퓨터 서버와 같은 컴퓨팅 장치가 클래스의 서명의 의미론 정의 또는 분류를 유도해야 한다는 것이 검사되었다. 또한, 음악 아이템들을 가진 클래스를 예시할 때, 사람은 클래스에 속하는 의미론 정의가 아닌 아이템들을 입력할 수 있다. 만일 열거에서 하나 또는 소수의 특이값 엘리먼트가 발생하면, 엘리먼트들은 클래스의 서명이 확장되도록 하며, 계산장치의 추론에서 클래스는 다른 클래스에 대한 서브클 래스 관계를 손실할 수 있다. 예로서, 만일 컬렉션 "에버그린(Evergreens)"에서 1959 또는 1970에 작곡된 하나의 노래가 존재하면, 시스템은 "에버그린(Evergreens)"이 더 이상 "골든 히트(Golden hits)"의 서브클래스가 아니라는 것으로 결정한다. "에버그린(Evergreens)"으로부터 사용자에게 노래들이 제공되지 않는 반면에, 노래들은 사용자의 관심들 또는 의향과 매칭된다.

만일 "에버그린(Evergreens)"이 내재적으로 정의되면, 데이터베이스에 특별한 노래를 입력할 때, 데이터베이스에 접속된 컴퓨팅 장치는 노래가 특별하도록 내재적 정의가 이루어지면 클래스 멤버십의 불일치를 시그널링할 수 있다.

전술한 시스템 및 방법의 실시예는 "Fuzzy generalization hierarchies for ontology-driven attribute-oriented induction in data mining", by Rafal A. Angryk, (on http://www.humaniora.sdu.dk/ifki/ontoquery/projects/Project Rafal Angryk.pdf, retrieved 21 June 2003)라는 문헌에 개시되어 있다. 여기서, 퍼지 온톨로지-구동 일반화 계층은 데이터를 계층적으로 분류하는 순서로 기술된다. 분류될 데이터는 데이터베이스에 저장되며 두 개 이상의 상위 레벨 컨셉들에서 부분 멤버십을 가질 수 있다. 예컨대, 색들, 즉 백색, 회색 및 흑색의 경우에, 제1 레벨 컨셉은 밝은 무채색 및 어두운 무채색 간을 구별할 수 있다. 제2 레벨 컨셉들은 무채색이다. 이제, 밝은 무채색은 무채색의 100% 서브클래스로서 모델링되고, 어두운 무채색도 무채색의 100% 서브클래스로서 모델링된다. 다음으로, 백색은 밝은 무채색의 100% 서브클래스이며, 회색은 밝은 무채색의 50% 서브클래스이고 또한 어두운 무채색의 50% 서브클래스이며, 흑색은 어두운 무채색의 100% 서브클래스이 다. 백분율은 상위-레벨(일반화된) 값들에 하위레벨 값들의 부분 관계를 반영한다. 백분율을 도입함으로써, 하위레벨 및 상위레벨 간의 관계는 하위레벨 값이 하나 이상의 상위레벨 컨셉의 멤버가 되도록 퍼지가 된다. 밝은 무채색에 대한 요청는 비록 회색이 50% 밝은 무채색인 것으로 정의될지라도 백색 및 회색으로 검색된다. 회색의 조성물을 변경시키면, 회색이 상위레벨 컨셉들 및 어두운 무채색의 멤버를 유지하도록 상위레벨 컨셉들에 대한 멤버 백분율들이 변경된다.

본 발명의 목적은 개선된 방식으로 다수의 정보 아이템들을 검색하는 전술한 방법을 제공하는데 있다. 이러한 목적을 달성하기 위하여, 본 발명은 일반적 분류를 포함하는 요청을 상기 데이터 저장 장치에 제시하는 단계; 및 상기 다수의 정보를 검색하는 단계를 포함하며, 상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 일반적 분류에 따르며, 상기 일반적 분류는 제1 클래스를 정의하며, 상기 다수의 정보 아이템들은 제2 클래스의 엘리먼트들이며, 상기 제1 및 제2 클래스 간에 포함 관계가 존재한다. 상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 일반적 분류를 따르도록 함으로써, 상기 제2 클래스는 제1 클래스를 정의하는 일반적 분류에 따르지 않는다. 결과적으로, 정보 아이템들은 상기 요청에 엄격하게 따르지 않는 데이터 베이스로부터 검색될 수 있다. 포함 관계의 예로서, 클래스 A를 제1 클래스로 하고 클래스 B를 제2 클래스로 하면, 클래스 A는 클래스 B를 포함하며, 이는 클래스 B가 클래스 A의 서브세트인 것을 의미하며, 즉 클래스 B ⊆ A를 의미한다.

본 발명에 따른 방법의 실시예는 청구항 제2항에 기술된다. 상기 다수의 정보 아이템의 각각의 정보 아이템을 열거하여 상기 제2 클래스의 엘리먼트들은 확장적으로 정의함으로써, 계산 장치는 제1 클래스를 정의하는 일반적 분류 및 제2 클래스와의 관계를 유도한다. 계산장치는 또한 비록 제2 클래스가 일반적 분류를 따르지 않는 정보 아이템들을 포함할지라도 제1 클래스 및 제2 클래스 간의 관계를 유지할 수 있다.

본 발명에 따른 방법의 실시예는 청구항 제3항에 기술된다. 상기 제2 클래스들로부터 상기 일반적 분류에 따르지 않는 정보 아이템들을 제거함으로써, 일반적 추론 규칙들은 제1 및 제2 클래스, 및 이의 엘리먼트들에 적용될 수 있다. 이러한 일반적인 추론 규칙들은 예컨대 서술 논리(DL) 내에 정의된다.

본 발명에 따른 방법의 실시예가 청구항 제4항에 기술된다. 상기 다수의 정보 아이템들이 제2의 다수의 정보 아이템들의 서브세트이도록 정의함으로써, 상기 제2의 다수의 정보 아이템들의 서브세트는 상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 제2의 다수의 정보 아이템들의 서브세트라는 것을 나타내며, 추론 규칙들은 계산장치가 클래스들 간의 관계들을 추론하도록 정의될 수 있다. 논리곱, 논리합 및 네비게이션과 같은 다른 추론 규칙들이 유사하게 정의될 수 있다.

본 발명에 따른 방법의 실시예는 청구항 제5항에 기술된다. 상기 미리 정의된 양이 상기 다수의 정보 아이템들의 백분율 또는 상기 다수의 정보 아이템들의 절대 수 중 하나이도록 정의함으로써, 계산장치는 제1클래스 및 제2클래스 간의 간계를 정의하는 규칙들을 적용할 수 있다.

본 발명에 따른 방법의 실시예는 청구항 제6항에 기술된다. 질의 결과에, 즉 검색된 정보 아이템들에 제거된 부연설명된 정보 아이템을 추가함으로써, 질의에 엄격하게 따르지 않는 정보 아이템들이 또한 검색된다.

본 발명에 따른 방법의 다른 실시예들이 청구항 제7항 및 제8항에 기술된다.

본 발명의 목적은 개선된 방식으로 다수의 정보 아이템을 검색하는 전술한 시스템을 제공하는데 있다. 이러한 목적을 달성하기 위하여, 시스템은 일반적 분류를 포함하는 요청을 상기 저장 장치에 제시하도록 구성된 제시수단; 제1 클래스 및 제2 클래스를 정의하도록 구성된 분류수단을 포함하는데, 상기 일반적 분류는 상기 제1 클래스를 정의하며, 상기 다수의 정보 아이템들은 상기 제2 클래스의 엘리먼트들이며 상기 제1 및 제2 클래스 간의 포함 관계가 존재하며; 및 상기 다수의 정보 아이템들을 검색하도록 구성된 검색 수단을 포함하며, 상기 다수의 정보 아이템들의 미리 정의된 양은 상기 일반적 분류에 따른다.

본 발명의 이들 및 다른 목적은 이하의 도면들을 참조로 하여 상세한 설명을 검토할때 더욱 명백해 질 것이다.

도 1은 온톨로지를 제공하는 시스템을 도시한 도면.

도 2는 본 발명에 따른 방법의 주요 단계들의 실시예를 기술한 도면.

도 3은 본 발명에 따른 시스템의 실시예를 개략적으로 기술한 도면.

모든 멤버들이 엄격하게 클래스에 속하지 않는 클래스들에 대하여 추론하기 위하여, 서브클래스 관계는 퍼지 형식으로 확장된다. 클래스 정의들은 다른 클래스로부터의 멤버들의 백분율이 서브클래스로서 다른 클래스를 계속해서 식별하기 위한 클래스 정의에 따라 멤버가 아닐 수 있다는 것을 지시하는 백분율과 같은 통계적 수치로 확장된다. 다른 방식이 또한 가능하며, 즉 현재의 클래스로부터 멤버들의 백분율이 수퍼클래스로서 다른 클래스를 계속해서 식별하기 위한 클래스 정의에 따라 멤버가 아닐 수 있다는 것을 지시하는 통계적 수치로 확장될 수 있다. 디폴트 값은 바람직하게 100%이다. 백분율을 사용하는 대신에, 절대 수치가 사용될 수 있다. 이러한 의미에서 특이값들인 확장적으로 정의된 클래스의 멤버들은 퍼지 클래스 멤버십 함수를 "정의하는(defining)" 클래스의 퍼지 멤버로서 고려된다. 의미론에 의하여, 포함 관계는 퍼지 서브클래스 관계 C⊂D로서 해석되는 것이다. 이의 의미는 만일 x가 C의 멤버이면 x가 D, (x∈C) ⇒ (x∈D)인 것이며, 여기서 멤버십 관계 ∈는 퍼지 멤버십으로서 정의되며, 즉 추론은 단지 C에서 멤버들의 주어진 백분율을 유효하게 할 필요가 있다. 논리곱, 논리합 및 네비게이션은 또한

과 같다.

유사한 문제가 존재하는 분할의 경우에 이 방법이 적용될 수 있다. 예컨대, 타입들의 범위로 구성되도록 정의된 컨셉 "장르(genre)"를 가정한다. 음악 아이템의 엘리먼트는 상기 타입들 중 하나이다. 그러므로, 타입의 범위는 그들의 수퍼클래스 "장르(genre)"의 구획을 형성한다. 타입들의 결합은 그들 자체에 의하여 타입들로서 고려되며, 구획 계층의 (입도) 레벨이 도입되거나 또는 결합된 타입은 기여 타입들 중 하나의 타입의 멤버인 멤버들을 제외하고 그 자체에 의하여 타입으로 서 고려된다.

사용자 및 제공자는 유사한 방식으로 다수의 음악 아이템들을 분류할 수 있다. 그러나, 그들이 다르게 분류되는 예외들이 존재할 수 있다. 퍼지 멤버십은 분할의 개념을 유지하면서 상기를 위하여 해결될 수 있다. 음악 아이템은 하나의 장르 또는 하나의 타입에 속하는 반면에, 세트들의 교차점은 빈 공간일 수 있다. 비-공백 교차점은 특정 음악 아이템이 사용자 및 제공자에 의하여 다르게 분류될 때 발생할 수 있다.

도 2는 본 발명에 따른 방법의 주요 단계들의 실시예를 기술한다. 제1 단계 S222에서, 사용자는 데이터베이스 서버에 질의를 제시한다. 데이터베이스 서버는 사용자가 그의 질의를 제시하는 위치로부터 원격적으로 배치될 수 있으며, 데이터베이스 그 자체는 네트워크를 통해 분배될 수 있다. 데이터베이스는 제공자의 메타데이터를 포함하며, 이전에 기술된 바와 같이 온톨로지는 다른 위치에 배치될 수 있다. 또한, 온톨로지가 분배될 수 있다. 특히, 의미론 Web의 컨셉들에 따르면, 온톨로지는 다르게 그리고 동적으로 수집된 온톨로지들의 집합으로 구성될 수 있다. 포함된 특정 제공자들 및 사용자들이 적어도 세션 단위로 동적으로 변화하는 것이 가능하다. 따라서, 비록 본 실시예가 중앙 데이터베이스의 사용을 기술할지라도, 전체 시스템이 인터넷을 통해 분배 및 수집될 수 있다. 데이터베이스 서버는 예컨대 다음과 같은 엘리먼트들을 가진 두 개의 클래스 A 및 B를 포함한다:

A = {a1, a2, a3, b1}

A' = {a1, a2, a3, b2)

클래스 A는 예컨대 사용자에 의하여 정의될 수 있으며, 클래스 A'는 서비스 제공자에 의하여 정의될 수 있다. 일반적으로, 클래스의 엘리먼트들은 엘리먼트가 클래스의 멤버이거나 또는 엘리먼트가 클래스의 멤버가 아니라는 것을 의미하는 "크리스플라이(crisply)"로 규정된다. 본 발명은 확장적으로 정의된 클래스들, 즉 "예로서(by way of example)" 정의된 클래스들에 적용하는 허용한계 파라미터를 도입한다. 내재적으로 정의된 클래스는 예컨대 그 자체가 "예로서(by way of example)" 정의되는 타입 또는 다른 클래스에 의하여 정의되는 경우에 "예로서(by way of example)" 특성을 나타낼 수 있다는 것에 유의해야 한다. 클래스 정의 "예로서(by way of example)"는 소위 명목적인 사용에 관한 것이며("F.Baader et al, The Description Logic Handbook, Cambridge, 2003 참조), 클래스는 그것의 엘리먼트들을 열거함으로써 정의된다. 지금, 사용자의 질의는 클래스 A의 엘리먼트와 같은 엘리먼트들을 검색하기 위한 요청을 포함한다.

허용한계 파라미터는 관계를 유지해야 하는 다른 클래스와 관계를 유지하는 멤버십이다. 허용한계 파라미터는 관계를 "포함하는 것(subsume)" 또는 관계에 의하여 "포함되는 것(by subsumed)"을 기술한다. 다른 클래스는 보통 확장적으로도 정의된다. 보통, 허용한계 파라미터의 값 범위에 대한 경계가 존재한다. 예컨대, 허용한계 파라미터가 50% 이하로 감소되는 경우에, 클래스는 두 개의 다른 방식 분리 수퍼클래스들의 서브클래스로 변화할 수 있다. 이는 불일치를 야기하며, 즉 수퍼클래스들의 교차점은 정의에 의하여 비워져 있는 반면에 양 수퍼클래스들 내에 있도록 비-공백이 존재하는 것처럼 보인다.

앞서 기술된 예에서, 허용한계 파라미터는 75%이며, 이는 엘리먼트들의 적어도 75%가 클래스에 적용하기 위한 관계에 대한 등가 또는 포함 관계에 있어야 한다는 것을 의미한다. 허용한계 파라미터는 클래스마다 정의될 수 있다.

다음 단계 S200에서, 데이터베이스 내 존재하는 모든 클래스들이 관찰된다. 예컨대 AND 구성을 통해 내재적 및 확장적 형식으로 정의되는 클래스들, 즉 단지 확장형 부분만이 고려된다. 앞서 기술된 예에서, 클래스 A 및 A'는 단계 S200 내에서 관찰된다.

단계 S202 내에서, 클래스들은 공유된 엘리먼트들에 대하여 서로 비교된다. 클래스들 A 및 A'는 엘리먼트들 a1, a2 및 a3를 공유한다. 엘리먼트들 b1 및 b2는 공유되지 않는다. 클래스들이 엘리먼트들을 공유하지 않는 경우에, 방법은 단계 S224로 계속된다. 클래스들이 엘리먼트들을 공유하는 경우에, 방법은 단계 S204로 계속된다.

단계 S224 내에서, 추론 전략이 클래스들에 적용되며, 방법은 사용자에게 질의 결과를 리턴한다. 추론은 클래스들 및 관계들의 완전한 원 세트에 적용된다(단계 S200 전에). 클래스들이 엘리먼트들을 공유하지 않는 것이 단계 S202에서 결정되기 때문에, DL 추론은 클래스들 간의 포함(또는 등가) 관계를 고려하지 않는다.

단계 S204 내에서, 공유된 엘리먼트들은 클래스 정의에서 열거된 엘리먼트들의 전체 수로 상대적으로 표현된다. 예로서, 클래스들은 그들의 엘리먼트들의 75%를 공유한다.

다음 단계 S206 내에서, 공유 클래스들이 서로에 대하여 포함 관계에 있는지 의 여부가 허용한계 임계치에 기초하여 결정된다. 이는 양 방향에서 수행되며, 즉 만일 양 클래스가 포함관계를 통해 관련된다고 결정되면, 클래스들이 (퍼지) 등가이라는 것이 결정된다. 임계치가 75%이고 클래스 A의 엘리먼트들의 75%가 클래스 A'와 함께 공유되기 때문에, 클래스 A는 클래스 A'에 의하여 포함되는 퍼지이다. 게다가, 클래스 A'의 엘리먼트들의 75%가 클래스 A와 공유되기 때문에, 클래스 A'가 클래스 A에 의하여 포함된 퍼지이다. 그러므로, 클래스 A는 클래스 A'에 대한 퍼지 등가이다.

만일 단계 S206에서 추가 관계들이 존재하지 않는다고 결정되면, 방법은 선택적으로 단계 S224로 진행한다.

다음 단계 S208 내에서, 클래스들 간의 포함 관계는 지금까지 무시되거나 또는 내재적 공백 부분에 가산된다. 가산 및 방법의 추가 단계들은 클래스들 및 관계들의 완전한 원 세트에 적용된다(단계 S200 전에). 예로서, 다음가 같은 등가 관계가 추가된다:

A = A'

이제, 단계 S201 또는 단계 S212 중 어느 하나가 선택된 추론 전략에 따라 실행된다.

단계 S210 내에서, 확장 정의 부분의 모든 열거는 가능한 새로운 이름으로 대체된다. 이는 엘리먼트의 세트가 새로운 클래스 이름으로 대체된다는 것을 의미한다. 이러한 새로운 컨셉 이름은 컨셉의 확장적으로 정의된 부분을 나타낸다. DL 내에서, 소위 TBox 및 ABox 사이가 구별된다(F. Baader et,al, The Description Logic Handbook, Cambridge, 2003 참조). DL에서, 클래스들은 컨셉들로서 언급된다. TBox는 컨셉들 간의 관계를 기술하며, ABox는 엘리먼트들에 대한 가정들을 정의한다. 포함 또는 서브클래스 관계는 컨셉들 간의 관계이며, 이들 관계들에 대한 추론은 TBox 추론으로서 표현된다. 용어 "공칭(nominals)"은 TBox 내의 컨셉들이 주어진 예에서 사용되는 바와 같이 엘리먼트들의 리스트로서 기술된다. 그 다음에, ABox 가정은 다음과 같으며, 즉 리스트로부터의 엘리먼트가 컨셉의 엘리먼트이다. 새로운 이름으로 열거를 대체하는 것은 TBox에서 리스트가 새로운 이름으로 대체된다는 것을 의미한다:

{a1, a2, a3, b1}이 B로 대체되는 것을 의미하며, 이는 TBox 정의 A'={a1, a2, a3, b2)가 A'=B'로 대체된다는 것을 의미한다. 마찬가지로, {a1, a2, a3, b2}는 B'로 대체되며, 이는 TBox 정의 A'={a1, a2, a3, b2}가 A=A'로 대체된다는 것을 의미한다. 게다가, a1 ∈A, b1∈A, a2∈A' 및 b2∈A'와 같은 모든 추론이 ABox로부터 제거된다.

단계 S214 내에서, 지금 완전하게 내재적으로 정의되지 않은 완전한 데이터베이스 또는 지식-베이스에 대한 포함 및 등가 관계들을 추론하기 위하여 규칙적인 DL 추론이 적용된다. 다음 단계 S220 내에서, 질의 결과는 사용자에게 리턴된다. 단계 S210의 나머지는 명명된 컨셉들이 질의 대답의 부분인 한 복원된다. 예컨대, 사용자는 A로 정의되며, 제공자는 A'로 정의된다. 사용자는 임계치 75%를 가진 A와 같은 아이템들을 요청하며, 즉 적어도 75%에 대하여 Q⊆A도록 클래스 Q에 있는 아이템들을 요청한다. 앞의 처리 후에, 질의는 (100%에 대하여) Q⊆A가 정확하게 유지되도록 클래스들 Q에 존재하는 아이템들에 대한 것이다. TBox에서는 A'⊆A인 것이 발견되며(관계 A=A'가 추가된다는 것을 상기하라), 이에 따라 A'는 Q의 서브세트이다. A'내의 아이템들은 B'이며, 이는 {a1, a2, a3, b2}를 지지하며, 이러한 세트는 사용자에게 리턴된다.

단계 S212 내에서, 모든 특이값들은 이하와 같은 열거로부터 제거된다:

엘리먼트들, 즉 a1, a2, a3을 가진 클래스 A로부터 제거되며, 즉 A={a1, a2, a3, b1)는 A={a1, a2, a3}로 대체된다. ABox 내에서는 단지 가정 b1∈A가 제거된다. 엘리먼트들, 즉 a1, a2, a3을 가진 클래스 A', 즉 A'={a1, a2, a3, b2)는 A'={a1, a2, a3}로 대체된다. ABox에서는 단지 가정 b2∈A'가 제거된다.

다음 단계 S216 내에서, 확장적으로 정의된(적어도 A' 및 B'에 대하여) 그리고 내재적 및 확장적으로 정의된 완전한 데이터베이스 또는 지식-베이스에 대한 포함 및 등가 관계들을 추론하기 위하여 규칙적인 DL 추론이 적용된다.

다음 단계 S218에서, 제거된 특이값들은 이들 클래스들의 엘리먼트들을 요청하는 사용자의 질의에 대한 응답들을 완료하기 위하여 대응 클래스들로 리턴된다.

단계 220에서 기술된 예시적인 앞의 추론에 대하여, A'내의 아이템들이 {a1, a2, a3}이며 b2가 단계 220에서 사용자에게 리턴되는 열거에 추가된다.

프로세스는 오프라인 계산, 즉 사전처리 단계 또는 온라인 계산으로서 구현될 수 있다. 절차는 허용한계 파라미터들을 바람직하게 제거하며, 즉 FaCT 및 RACER와 같이 표준 DL이 추론하도록 논리적 추론 태스크들로부터 퍼지 논리부를 제거하며("F Baader et al, The Description Logic Handbook, Cambridge, 2003", "http://www.cs.man.ac.uk/∼horrocks/FaCT/" 및 "http"//www.sts.tu-harburg.de/∼ra.moeller/racer/" 참조), 이는 퍼지 논리 포함을 지원하지 않는다. 절차는 사용자들로 하여금 예시적인 아이템들에 기초하여 그들의 정의를 입력하도록 하며, 이에 따라 사용자들은 "이들과 비교하여 더 좋은 것을 나에게 제공하라(give me more like/comparable to these)"와 같은 질의를 공식화할 수 있다. 탐색은 알려져 있는 컨셉 또는 의미론 관계들에 기초한 추론에 의하여 지원된다. 임계치 파라미터들에 대하여 사용자가 더 제어할 수 있도록 하기 위하여, 임계 파라미터는 구성가능하다. 그 다음에, 사용자는 예컨대 모든 클래스들에 대한 질의마다 파라미터를 세팅할 수 있다. 사용자 대신에, 콘텐츠 제공자가 임계치 파라미터를 제어할 수 있다. 또한, 추론 전략이 질의 등에 첨부하는 클래스들의 가장 작은 수퍼세트를 탐색하도록 확장되는 것이 가능하다. 게다가, 클래스들은 확장적으로 정의될 필요가 없다. 예컨대, 만일 클래스 A가 엘리먼트 "Bridge over Troubled Water"로 확장적으로 정의되면, 다른 클래스 A'는 "60년대 노래들(songs from the 60s)"로서 내재적으로 정의될 수 있다. "60년대 노래들(songs from the 60s)"을 요청하는 질의에서, 노래 "Bridge over Troubled Water"는 그것이 1970년 2월 노래이기 때문에 검색되지 않는다. 그러나, 임계치를 사용하면, 노래는 60년대에 속하지 않는 클래스 A 내에서 정의된 다른 노래들이 충분히 존재하는 경우에 검색될 수 있다.

본 발명의 방법의 기술된 실시예들의 순서는 필수적인 것이 아니며, 당업자는 단계들의 순서를 변경할 수 있거나, 또는 본 발명에 의하여 의도된 개념들로부터 벗어나지 않고 드레싱 모델들, 멀티-프로세서 시스템들 또는 다중 프로세스들을 사용하여 단계들을 동시에 실행할 수 있다. 게다가, 본 발명은 하나 이상의 처리 유닛들이 상기 방법을 처리하도록 하는 명령들이 저장된 컴퓨터 판독가능 매체로 배급될 수 있다. 컴퓨터 판독가능 매체는 예컨대 컴팩트 디스크(CD), 디지털 다방면 디스크(DVD), DVD+RW, BluRay 등이다. 처리유닛은 예컨대 마이크로프로세서이다. 명령들은 서버로부터 인터넷을 통해 다운로드되거나, 또는 무선 애플리케이션 프로토콜(wap) 또는 다른 분배형 장치들을 사용하여 개인휴대단말(PDA) 또는 이동전화로부터 다운로드될 수 있다.

도 3은 본 발명에 따른 시스템의 실시예를 개략적으로 기술한다. 시스템(300)은 데이터베이스(302), 중앙처리장치(CPU)(304), 메모리들(306, 308, 312) 및 소프트웨어 버퍼(310)를 포함한다. 데이터베이스, CPU, 및 메모리들은 소프트웨어 버스(301)를 통해 서로 통신한다. 데이터베이스(302)는 데이터베이스 내에 저장된 클래스들의 관계 정의들을 포함한다. 메모리(306)는 이전에 기술된 바와 같이 데이터베이스에 질의를 제시하도록 설계된 컴퓨터 판독가능 및 실행가능 코드를 포함한다. 메모리(308)는 이전에 기술된 바와 같이 데이터베이스로부터 질의 결과를 검색하도록 설계된 컴퓨터 판독가능 및 실행가능 코드를 포함한다. 메모리(312)는 이전에 기술된 바와 같이 시스템의 클래스들 간의 관계 및 추론 논리를 적용하도록 설계된 컴퓨터 판독가능 및 실행가능 코드를 포함한다. 시스템은 예컨대 퍼스널 컴퓨터, 개인휴대단말, 이동 전화 등일 수 있다. 사용자는 수치 키보드, 터치 스크린, 스타일러스, 마우스, 음성 인식 등과 같은 입력장치를 동작시킴으로써 시스템에 질의를 제시할 수 있다. 질의는 디스플레이와 같은 출력장치를 통해 사용자 에게 제공될 수 있거나 또는 예컨대 mp3, mpeg, jpeg 등과 같은 검색된 미디어 파일을 재생 또는 제시함으로써 사용자에게 제공될 수 있다. 데이터베이스는 인터넷을 통해 또는 광대역 접속 등을 통해 시스템에 접속된 개별 서버에 원격적으로 배치될 수 있다. 메모리, 데이터베이스 및 CPU는 가정 네트워크, 인터넷 등과 같은 네트워크 접속을 통해 접속될 수 있다. 게다가, 다른 아키텍처들이 클라이언트/서버 아키텍처 대신에 사용될 수 있다. 예컨대, 피어 투 피어 아키텍처(peer to peer architecture)가 사용될 수 있다.

앞서 언급된 실시예들은 본 발명을 제한하는 것보다 오히려 예시적이며, 당업자는 첨부된 청구범위를 벗어나지 않고 많은 대안 실시예들을 설계할 수 있다는 것을 이해해야 한다. 예컨대, DL 추론 대신에, 다른 추론 시스템이 사용될 수 있다. 청구범위에서, 괄호 내에 삽입된 임의의 도면부호들은 청구범위를 제한하는 것으로 구성되지 않는다. 용어 "포함하는(comprising)"은 청구범위에 리스트된 엘리먼트 또는 단계와 다른 엘리먼트들 또는 단계들의 존재를 배제하지 않는다. 단수 수단은 복수 수단의 존재를 배제하지 않는다. 본 발명은 여러 개별 엘리먼트들을 포함하는 하드웨어에 의하여 그리고 적절하게 프로그래밍된 소프트웨어에 의하여 구현될 수 있다. 여러 수단을 포함하는 시스템 청구항들에서, 이들 수단들중 여러 수단은 컴퓨터 실행가능 소프트웨어 또는 하드웨어의 하나 및 동일한 아이템들에 의하여 구현될 수 있다. 임의의 측정치들이 여러 종속항들에서 인용되는 단순한 사실은 측정치들의 결합이 장점으로 사용될 수 있다는 것을 의미한다.

Claims (12)

1. 데이터 저장 장치(data storage)로부터 다수의 정보 아이템들을 검색하는 방법에 있어서,

   상기 데이터 저장 장치에 요청을 제시하는 단계로서, 상기 요청은 일반적 분류를 포함하는, 상기 요청을 제시하는 단계; 및

   상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 일반적 분류에 따르는 상기 다수의 정보 아이템을 검색하는 단계를 포함하고, 상기 일반적 분류는 제1 클래스를 정의하며, 상기 다수의 정보 아이템들은 제2 클래스의 엘리먼트들이며, 상기 제1 및 제2 클래스 간에는 포함 관계(subsumption relation)가 존재하는, 다수의 정보 아이템 검색 방법.
2. 제1항에 있어서, 상기 제2 클래스 및/또는 제1 클래스의 엘리먼트들은 상기 다수의 정보 아이템의 각 정보 아이템을 열거함으로써 확장적으로 정의되는, 다수의 정보 아이템 검색 방법.
3. 제1항에 있어서,

   상기 제2 클래스들로부터 상기 일반적 분류에 따르지 않는 정보 아이템들을 제거하는 단계;

   상기 제2 클래스와 관련된 상기 제거된 정보 아이템들을 부연설명 (annotating)하는 단계;

   상기 데이터 저장 장치로의 상기 요청에 기초하여 상기 제1 및 제2 클래스에 추론 규칙들(reasoning rules)을 적용하는 단계; 및

   상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 일반적 분류에 따르는 상기 다수의 정보 아이템들을 검색하는 단계를 포함하는, 다수의 정보 아이템 검색 방법.
4. 제1항에 있어서, 상기 다수의 정보 아이템들은 제2의 다수의 정보 아이템들의 서브세트이며, 상기 제2의 다수의 정보 아이템들의 서브세트는 상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 제2의 다수의 정보 아이템들의 서브세트인 것을 나타내는, 다수의 정보 아이템 검색 방법.
5. 제1항에 있어서, 상기 미리 정의된 양은 상기 다수의 정보 아이템들의 백분율 또는 상기 다수의 정보 아이템들의 절대 수 중 하나인, 다수의 정보 아이템 검색 방법.
6. 제3항에 있어서, 상기 정보 아이템들의 미리 정의된 양은 상기 부연설명된 제거된 정보 아이템들로 보완되는, 다수의 정보 아이템 검색 방법.
7. 제3항에 있어서, 상기 제2 클래스는 제거된 정보 아이템들을 가지는 것으로 부연설명되는, 다수의 정보 아이템 검색 방법.
8. 제1항에 있어서, 상기 제1 클래스로부터 상기 일반적 분류에 따르지 않는 정보 아이템들을 제거하는 단계를 포함하는, 다수의 정보 아이템 검색 방법.
9. 데이터 저장 장치로부터 다수의 정보 아이템들을 검색하기 위한 시스템(300)에 있어서,

   상기 데이터 저장 장치에 요청을 제시하도록 구성된 제시수단(306)으로서, 상기 요청은 일반적 분류를 포함하는, 상기 제시수단(306); 및

   제1 클래스 및 제2 클래스를 정의하도록 구성된 분류수단(312)으로서, 상기 일반적 분류는 상기 제1 클래스를 정의하며, 상기 다수의 정보 아이템들은 상기 제2 클래스의 엘리먼트들이며, 상기 제1 및 제2 클래스 간에는 포함 관계가 존재하는, 상기 분류수단(312); 및

   상기 다수의 정보 아이템들의 적어도 미리 정의된 양이 상기 일반적 분류에 따르는 상기 다수의 정보 아이템들을 검색하도록 구성된 검색 수단(308)을 포함하는, 다수의 정보 아이템 검색 시스템.
10. 제9항에 있어서, 상기 시스템은 분배형 시스템이며, 및/또는 상기 데이터 저장 장치는 분배형 데이터 저장 장치인, 다수의 정보 아이템 검색 시스템.
11. 제1항 내지 제8항 중 어느 한 항에 따른 방법을 실행하도록 설계된 컴퓨터 프로그램 제품.
12. 제11항에 따른 컴퓨터 프로그램 제품을 포함하는 정보 캐리어.

Images