KR20150112442A - 지식 생성 시스템 및 방법 - Google Patents

지식 생성 시스템 및 방법 Download PDF

Info

Publication number
KR20150112442A
KR20150112442A KR1020140036623A KR20140036623A KR20150112442A KR 20150112442 A KR20150112442 A KR 20150112442A KR 1020140036623 A KR1020140036623 A KR 1020140036623A KR 20140036623 A KR20140036623 A KR 20140036623A KR 20150112442 A KR20150112442 A KR 20150112442A
Authority
KR
South Korea
Prior art keywords
knowledge
data
resource
storage unit
generating
Prior art date
Application number
KR1020140036623A
Other languages
English (en)
Other versions
KR101684579B1 (ko
Inventor
이경일
최광선
함영경
Original Assignee
주식회사 솔트룩스
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 주식회사 솔트룩스 filed Critical 주식회사 솔트룩스
Priority to KR1020140036623A priority Critical patent/KR101684579B1/ko
Publication of KR20150112442A publication Critical patent/KR20150112442A/ko
Application granted granted Critical
Publication of KR101684579B1 publication Critical patent/KR101684579B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/10Text processing
    • G06F40/12Use of codes for handling textual entities
    • G06F40/151Transformation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

지식 생성 시스템 및 방법이 개시된다. 본 발명의 예시적 실시예에 따른 지식 생성 시스템은, 네트워크를 통해서 제1 데이터를 수집하고, 상기 제1 데이터에 기초하여 지식 자원을 생성하는 지식 수집부, 사용자로부터 제2 데이터를 수신하는 서비스 인터페이스, 상기 지식 자원 및/또는 상기 제2 데이터에 기초하여 지식 데이터를 생성하고 지식 저장부에 저장하는 지식 생성부를 포함할 수 있다. 본 발명의 예시적 실시예에 따라, 상기 지식 생성부는 사용자에게 상기 서비스 인터페이스를 통해서 상기 지식 저장부에 저장된 지식 데이터 중 보정 대상을 제공할 수 있다.

Description

지식 생성 시스템 및 방법{SYSTEM AND METHOD FOR GENERATING KNOWLEDGE}
본 발명의 기술적 사상은 지식 생성 시스템 및 방법에 관한 것으로서, 자세하게는 네트워크를 통하여 지식 자원을 수집하고, 이에 기초하여 지식을 생성하는 지식 생성 시스템 및 방법에 관한 것이다.
본 발명은 미래창조과학부 SW컴퓨팅산업원천기술개발사업(SW)의 일환으로 (주)솔트룩스에서 주관하여 수행된 연구로부터 도출된 것이다.
[연구기간- 2013.05.01~2014.04.30, 연구관리 전문기관- 한국산업기술평가관리원, 연구과제명- WiseKB: 빅데이터 이해 기반 자가학습형 지식베이스 및 추론 기술 개발, 과제 고유번호: 10044494]
지식 또는 정보는 빠른 속도로 늘어나고 있으며, 다양한 형태로 표현되어 서적 또는 전자적 기록매체 등에 저장되고 있다. 지식은 지식을 필요로 하는 사용자에 의해서 적절하게 활용될 때 유용하며, 활용될 수 없는 지식은 상대적으로 가치가 떨어진다. 예컨대, 사용자의 요구에 내용상 부합하는 지식이더라도, 사용자가 그 지식에 접근할 수 없다면 그 지식은 가치가 낮다. 이에 따라, 현대의 방대한 지식으로부터 사용자가 필요로 하는 지식을 효과적으로 제공하는 방법이 필요하다.
지식을 일정한 형식에 따라 정리하고 축적한 것을 지식 베이스(knowledge base)라고 한다. 지식 베이스를 구축하는 방법 중 하나로서, 특정 도메인에 대한 전문가가 그 도메인 지식을 기반으로 스키마를 설계하고, 알고 있거나 탐색한 자료를 바탕으로 지식 베이스를 구축하는 방법이 있다. 그러나, 이러한 방법은 현대의 방대한 지식 환경에서 한계를 가질 수 있다.
본 발명의 기술적 사상은 지식 생성 시스템 및 방법에 관한 것으로서, 지속적으로 생성되는 지식들을 수집하고 통합하여 지식 베이스를 구축하고, 기 구축된 지식들을 기반으로 새로운 지식을 생성하여 지식 베이스가 자가 성장할 수 있는 프레임 워크를 제공한다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 예시적 실시예에 따른 지식 생성 시스템은 네트워크를 통해서 제1 데이터를 수집하고 상기 제1 데이터에 기초하여 지식 자원을 생성하는 지식 수집부, 사용자로부터 제2 데이터를 수신하는 서비스 인터페이스, 상기 지식 자원 및/또는 상기 제2 데이터에 기초하여 지식 데이터를 생성하고 지식 저장부에 저장하는 지식 생성부를 포함할 수 있다. 상기 지식 생성부는 사용자에게 상기 서비스 인터페이스를 통해서 상기 지식 저장부에 저장된 지식 데이터 중 보정 대상을 제공할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 지식 수집부는 네트워크를 통해서 상기 제1 데이터를 수집하는 지식 자원 수집기, 상기 제1 데이터를 미리 정해진 형식으로 변환하여 지식 자원을 생성하는 지식 자원 변환기, 및 상기 지식 자원을 저장하는 지식 자원 저장소를 포함할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 지식 자원 수집기는 미리 정해진 리스트에 포함된 서버에 접속하여 상기 제1 데이터를 수집할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 제1 데이터는 적어도 하나의 전자 문서를 포함할 수 있고, 상기 지식 자원 변환기는 상기 전자 문서로부터 텍스트를 추출하고 상기 전자 문서를 적어도 하나의 키 값을 포함하는 형식으로 변환할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 지식 생성부는 상기 지식 자원으로부터 미리 정의된 규칙에 기초하여 지식 데이터를 생성하는 자동 지식 생성기, 상기 지식 저장부에 저장된 지식 데이터 및 상기 제2 데이터로부터 상기 규칙에 기초하여 지식 데이터를 생성하는 피드백 지식 생성기, 및 상기 지식 저장부에 저장된 지식 데이터를 관리하는 지식 관리기를 포함할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 규칙은 적어도 하나의 RDF 스키마를 포함할 수 있고, 상기 지식 데이터는 상기 RDF 스키마에 따른 인스턴스를 포함할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 자동 지식 생성기는 상기 지식 자원으로부터 상기 RDF 스키마에 기초하여 상기 인스턴스를 생성할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 피드백 지식 생성기는 상기 제2 데이터로부터 상기 RDF 스키마에 기초하여 상기 인스턴스를 생성하거나, 상기 제2 데이터에 기초하여 상기 지식 저장부에 저장된 지식 데이터의 인스턴스를 보정할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 지식 관리기는 상기 지식 저장소에 저장된 적어도 하나의 인스턴스 중 2이상의 상충하는 속성들을 가지거나, 이미지 또는 영상을 속성으로서 가지는 인스턴스를 상기 서비스 인터페이스에 전달할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 지식 생성 시스템은 상기 지식 수집부에서 생성한 복수의 지식 자원들의 관계를 분석하여 지식 데이터를 생성하고 상기 지식 저장부에 저장된 복수의 지식 데이터들의 관계를 분석하여 지식 데이터를 생성하는 지식 증강부를 더 포함할 수 있다.
본 발명의 예시적 실시예에 따라, 상기 지식 증강부는 상기 복수의 지식 자원들이 포함하는 문장의 어휘 및 구조를 분석하는 패턴기반 언어처리기, 상기 분석된 어휘 및 구조에 따라 사전적 의미에 기초하여 새로운 지식 데이터를 생성하는 자가학습기반 지식 증강기, 상기 지식 저장부에 저장된 복수의 지식 데이터들의 관계를 추론하여 새로운 지식 데이터를 생성하는 추론기반 지식 증강기, 및 상기 자가학습기반 지식 증강기 및 상기 추론기반 지식 증강기에 의해 생성된 지식 데이터를 상기 지식 저장부에 저장된 지식 데이터에 기초하여 신뢰성을 평가하고 상기 지식 저장부에 저장하는 후보지식 검증기를 포함할 수 있다.
상기 지식 생성 시스템에 따르면, 파편화되어 있는 지식들을 일정한 형식으로 수렴하게 함으로써, 사용자로 하여금 지식에 접근을 용이하게 할 수 있다.
또한, 사용자에게 큐레이션을 제공함으로써 지식의 신뢰도를 향상시킬 수 있고, 크라우드 소싱 등을 통해서 지속적으로 지식을 관리할 수 있다.
도 1은 본 발명의 예시적 실시예에 따른 지식 생성 시스템을 나타내는 도면이다.
도 2는 본 발명의 예시적 실시예에 따라 도 1의 지식 수집부의 구현 예를 나타내는 도면이다.
도 3은 본 발명의 예시적 실시예에 따라, 도 2의 지식 자원 통합기가 생성하는 지식 자원의 예시를 나타내는 도면이다.
도 4는 본 발명의 예시적 실시예에 따라 도 1의 지식 생성부의 구현 예를 나타내는 도면이다.
도 5는 본 발명의 예시적 실시예에 따라 도 4의 자동 지식 생성기의 동작의 예시를 나타내는 도면이다.
도 6a 내지 6c는 본 발명의 예시적 실시예에 따라 도 4의 피드백 지식 생성기 및 지식 관리기의 동작의 예시를 나타내는 도면이다.
도 7은 본 발명의 예시적 실시예에 따른 지식 생성 시스템을 나타내는 도면이다.
도 8은 본 발명의 예시적 실시예에 따른 지식 증강부의 구현 예를 나타내는 도면이다.
이하에서는 본 발명의 바람직한 실시예가, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 철저한 이해를 제공할 의도 외에는 다른 의도 없이, 첨부한 도면들을 참조로 하여 상세히 설명될 것이다. 본 명세서에서 ‘지식’은 유형 또는 무형의 정보를 지칭할 수 있고, ‘지식 데이터’는 전자기록매체에 저장 가능한 형태의 지식을 지칭할 수 있다.
종래 지식 베이스 시스템은 특정 서비스의 목적에 부합하도록 도메인 전문가가 도메인 지식을 기반으로 설계한 스키마를 기초로, 이미 알고 있거나 수집한 데이터를 통해서 지식 데이터를 구축한다. 이런 방식으로 구축된 지식 베이스 시스템에서 지식 데이터를 변경하거나 추가하는 작업이 빈번하게 발생하는데 한계가 있으므로, 지식 베이스 시스템이 확장성 및 최신성을 가지는데 어려움이 있다. 뿐만 아니라, 이러한 지식 베이스 시스템은 특정 도메인에 대한 전문 지식으로 구성되기 때문에, 일반 상식과 같은 다양한 도메인에 걸쳐있는 지식들에 대해서는 지식 베이스 시스템의 구축에 어려움이 있다. 본 발명의 기술적 사상은, 지속적으로 생성되는 지식 또는 정보들을 자동으로 수집하고 통합함으로써, 파편화되어 있는 지식들이 통합된 지식 데이터를 생성하고, 기 생성된 지식 데이터에 기초하여 새로운 지식 데이터를 생성함으로써 지식 데이터가 증강할 수 있는 프레임워크를 제공한다.
도 1은 본 발명의 예시적 실시예에 따른 지식 생성 시스템(10)을 나타내는 도면이다. 도 1에 도시된 바와 같이, 지식 생성 시스템(10), 서버(20) 및 사용자(30)는 네트워크(40)를 통해서 서로 데이터를 주고 받을 수 있다. 사용자(30)는 네트워크(40)를 통해서 지식 생성 시스템(10)에 접속할 수 있다. 예컨대, 사용자(30)는 지식 생성 시스템(10)이 생성한 지식 데이터를 열람할 수 있고, 또는 지식 데이터 생성을 위한 데이터를 지식 생성 시스템(10)으로 전송할 수 있다. 사용자(30)는 지식 생성 시스템(10)에 저장된 (즉, 지식 저장부(50)에 저장된) 지식 데이터를 열람하는 주체(예컨대, 사람 또는 컴퓨팅 시스템)이거나, 도메인 지식을 보유하는 도메인 전문가 또는 지식 생성 시스템(10)을 관리하거나 개발하는 개발자일 수 있다.
지식 생성 시스템(10)은 지식 데이터를 생성하기 위하여, 네트워크(40)를 통해서 서버(20)에 접속할 수 있다. 비록 도 1은 하나의 서버(20)를 도시하지만, 이는 예시에 불과하며 본 발명의 예시적 실시예에 따라, 지식 생성 시스템(10)은 지식 데이터를 생성하기 위하여 네트워크(40)를 통해 2이상의 서버들에 접속할 수 있다. 지식 생성 시스템(10)은 지식 데이터를 생성하여 지식 저장부(50)에 저장할 수 있다. 비록 도 1은 지식 생성 시스템(10)이 네트워크(40)를 통하지 않고 로컬하게 지식 저장부(50)와 통신하는 실시예를 도시하고 있으나, 이는 예시에 불과하며 본 발명의 예시적 실시예에 따라 지식 생성 시스템(10) 및 지식 저장부(50)는 네트워크(40)를 통해서 통신할 수 있다.
도 1에 도시된 바와 같이, 지식 생성 시스템(10)은 지식 수집부(100), 지식 생성부(200) 및 서비스 인터페이스(300)를 포함할 수 있다. 본 발명의 예시적 실시예에 따라, 지식 수집부(100)는 네트워크(40)를 통해서 서버(20)에 접속할 수 있고, 서버(20)로부터 수신되는 제1 데이터에 기초하여 지식 자원을 생성할 수 있다. 예컨대, 제1 데이터는 다양한 형식으로 정형화될 수 있으며, 지식 수집부(100)는 이러한 제1 데이터를 미리 정해진 하나의 형식, 예컨대 적어도 하나 이상의 키 값을 포함하는 형식으로 변환함으로써 다양한 형식의 제1 데이터를 하나의 형식으로 통합할 수 있다. 지식 수집부(100)에 대한 상세한 내용은 도 2에서 후술한다.
지식 생성부(200)는 지식 수집부(100)에 의해 생성된 지식 자원으로부터 미리 정해진 규칙에 기초하여 지식 데이터를 생성할 수 있다. 예컨대, 지식 생성부(200)는 지식 자원이 포함하는 적어도 하나 이상의 키 값에 대해 정해진 규칙에 기초하여 지식 데이터를 생성할 수 있고, 생성된 지식 데이터를 지식 저장부(50)에 저장할 수 있다. 또한, 지식 생성부(200)는 사용자(30)로부터 서비스 인터페이스(300)를 통해서 수신된 제2 데이터를 수신할 수 있다. 지식 생성부(200)는 지식 수집부(100)가 생성한 지식 자원 및 서비스 인터페이스(300)를 통해서 수신된 제2 데이터에 기초하여 지식 데이터를 생성할 수 있다. 예컨대, 지식 생성부(200)는 제2 데이터에 기초하여 신규한 지식 데이터를 생성할 수 있고, 기 생성된 지식 데이터를 제2 데이터에 기초하여 보정할 수도 있다.
한편, 지식 생성부(200)는 서비스 인터페이스(300)를 통하여 지식 저장부(50)에 저장된 지식 데이터에 대한 보정을 사용자(30)에게 요청할 수 있다. 예컨대, 지식 생성부(200)는 지식 저장부(50)에 저장된 지식 데이터 중 일정한 조건을 만족하는 지식 데이터를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제시할 수 있다. 지식 생성부(200)는 상기 요청에 대한 사용자(30)의 응답, 즉 사용자(30)가 전송한 제2 데이터에 기초하여 상기 일정한 조건을 만족하는 지식 데이터를 보정할 수 있고, 보정된 지식 데이터를 지식 저장부(50)에 저장할 수 있다. 지식 생성부(200)에 대한 상세한 내용은 도 4에서 후술한다.
서비스 인터페이스(300)는 네트워크(40)를 통해서 사용자(30)와 통신할 수 있다. 예컨대, 서비스 인터페이스(300)는 사용자(30)로부터 지식 저장부(50)에 저장된 지식 데이터의 열람 요청을 수신할 수 있고, 지식 저장부(50)로부터 수신한 지식 데이터를 사용자(30)에게 전달할 수 있다. 또한, 서비스 인터페이스(300)는 사용자(30)가 입력한 제2 데이터를 수신하여 지식 생성부(200)에 전달할 수도 있다. 서비스 인터페이스(300)는 사용자(30)로 하여금 큐레이션이 가능한 환경을 네트워크(40)를 통해서 제공함으로써, 또는 크라우드 소싱 또는 사용자 참여 지식 서비스를 운영함으로써, 또는 외부의 크라우드 소싱 또는 사용자 참여 지식 서비스를 제공하는 시스템과 통신함으로써 제2 데이터를 수신할 수 있다.
지식 저장부(50)는 지식 생성부(200)가 생성한 지식 데이터를 저장할 수 있다. 지식 저장부(50)는 지식 저생성부(200) 및 서비스 인터페이스(300)의 요청에 따라 저장하고 있는 지식 데이터를 외부로 출력할 수 있다. 또한, 지식 저장부(50)는 저장하고 있는 지식 데이터의 색인을 위한 색인 리스트를 저장할 수 있으며, 색인 리스트는 특정 주제에 따라 하나 이상의 지식 데이터에 대한 정보를 포함할 수 있다.
도 2는 본 발명의 예시적 실시예에 따라 도 1의 지식 수집부(100)의 구현 예를 나타내는 도면이다. 도 2에 도시된 바와 같이, 지식 수집부(100)는 지식 자원 수집기(120), 지식 자원 통합기(140) 및 지식 자원 저장소(160)를 포함할 수 있다. 도 1을 함께 참조하면, 지식 생성 시스템(10)의 지식 수집기(100)는 네트워크(40)를 통해서 복수개의 서버들(21 내지 25)에 접속할 수 있다. 예컨대, 지식 수집기(100)는 네트워크(40)를 통해서 어학사전 서버(21), 위키백과 서버(22), 언론매체 서버(23), 의학정보 서버(24) 및 IT정보 서버(25)에 접속할 수 있다. 지식 자원 수집기(120)는 미리 정해진 서버 리스트에 기초하여 네트워크(40)를 통해서 접속하는 서버들(21 내지 25)에 접속할 수 있다. 도 2에 도시된 바와 같이, 서버 리스트는 어학사전 서버(21) 및 위키백과 서버(22)에 대한 정보를 포함할 수 있으며, 서버 리스트에 포함된 서버 정보에 대응하는 서버는 공중이 이용 가능한 서버일 수도 있고, 해당 서버의 관리자와의 허락에 의해 접근 가능한 서버일 수도 있다. 지식 수집기(120)는 서버들(21 내지 25)에 접속하여 제1 데이터(DATA1)를 수신할 수 있고, 수신한 제1 데이터(DATA1)를 지식 자원 통합기(140)로 전달할 수 있다.
지식 자원 통합기(140)는 서버들(21 내지 25)로부터 수신한 제1 데이터(DATA1)를 미리 정해진 형식을 가지는 지식 자원(KR)으로 변환할 수 있다. 서버들(21 내지 25) 각각은 통일되지 않은 서로 다른 형식으로 지식을 저장할 수 있다. 예컨대, 서버들(21 내지 25) 각각은 서로 다른 파일 형식으로서 지식을 저장할 수 있고, 동일한 파일 형식이더라도 순서 등이 서로 다른 구조로서 지식을 저장할 수 있다. 또한, 서버들(21 내지 25) 각각이 저장하는 데이터는 비정형 데이터일 수도 있다. 이에 다라, 도 2에 도시된 바와 같이, 제1 데이터(DATA1)는 복수의 파일 형식을 가지는 전자 문서를 포함할 수 있다.
지식 자원 통합기(140)는 이러한 다양한 형식의 지식을 하나의 형식으로 변환하여 지식 자원(KR)을 생성할 수 있다. 예컨대, 지식 자원 통합기(140)는 제2 데이터로부터 텍스트를 추출하고, 언어처리를 수행함으로써 지식 자원(KR)을 생성할 수 있다. 또한, 본 발명의 예시적 실시예에 따라 지식 자원 통합기(140)는 서버들(21 내지 25) 각각이 저장하고 있는 데이터의 형식에 대한 정보에 기초하여 해당 서버로부터 수집한 제2 데이터를 지식 자원(KR)으로 변환할 수 있다. 지식 자원(KR)은 적어도 하나 이상의 키 값을 포함할 수 있으며, 지식 자원(KR)의 형식에 대한 상세한 내용은 도 3에서 후술한다.
지식 자원 저장소(160)는 지식 자원 통합기(140)가 생성한(또는 변환한) 지식 자원(KR)을 저장할 수 있다. 지식 자원 저장소(160)는 지식 생성부(200)의 접근에 따라 저장하고 있는 지식 자원(KR)을 지식 생성부(200)에 전달할 수 있다.
도 3은 본 발명의 예시적 실시예에 따라, 도 2의 지식 자원 통합기(140)가 생성하는 지식 자원(KR)의 예시를 나타내는 도면이다. 본 발명의 예시적 실시예에 따라, 지식 자원 통합기(140)가 생성하는 지식 자원(KR)은 적어도 하나의 키 값(key value)을 포함할 수 있다. 도 2에 도시된 바와 같이, 지식 자원(2)은 복수의 키 값들, 즉 ‘제목’, ‘저자’, ‘날짜’, ‘본문’, ‘이미지’, ‘첨부파일’, ‘URL’등을 포함할 수 있다. 지식 자원 통합기(140)는 신규한 지식 자원(2)을 생성하고, 지식 수집기(120)로부터 수신한 제1 데이터를 분석하여 제1 데이터의 대응하는 부분을 지식 자원(2)의 키 값으로 채울 수 있다. 예컨대, 도 2를 참조하면, 지식 자원 수집기(120)가 네트워크(40)를 통해서 언론매체 서버(23)에 접속하여 기사에 대응하는 제1 데이터를 수신하여 지식 자원 통합기(140)로 전달한 경우, 기사 제목, 기자 이름, 작성 날짜, 기사 내용을 지식 자원(2)의 제목, 저자, 날짜, 본문에 각각 채울 수 있다.
한편, 제1 데이터에 따라 제1 데이터로부터 채워지지 않는 지식 자원(2)의 키 값이 존재할 수도 있다. 즉, 언론매체 서버(23)로부터 수신한 제1 데이터에 대응하는 기사에 이미지가 없는 경우, 지식 자원(2)의 이미지에 대응하는 키 값은 채워지지 않을 수 있다. 본 발명의 예시적 실시예에 따라, 지식 자원은 온톨로지(ontology)에서 사용되는 언어로서 RDF(Resource Description Framework)를 사용하여 표현될 수 있다.
도 4는 본 발명의 예시적 실시예에 따라 도 1의 지식 생성부(200)의 구현 예를 나타내는 도면이다. 지식 생성부(200)는 지식 수집부(100)로부터 지식 자원을 수신할 수 있고, 지식 저장부(50)에 지식 데이터를 저장하거나 지식 저장부(50)에 저장된 지식 데이터에 접근할 수 있다. 또한, 서비스 인터페이스(300)를 통해서 사용자(20)와 데이터를 주고 받을 수 있다.
도 4에 도시된 바와 같이, 지식 생성부(200)는 자동 지식 생성기(220), 피드백 지식 생성기(240) 및 지식 관리기(260)를 포함할 수 있다. 지식 생성기(220)는 지식 수집부(100)로부터 수신한 지식 자원, 즉 도 2를 참조하면 지식 수집부(100)가 네트워크(40)를 통해서 서버들(21 내지 25)에 접속하여 수집한 제1 데이터에 기초하여 생성된 지식 자원으로부터 미리 정의된 규칙에 기초하여 지식 데이터를 생성할 수 있다. 예컨대, 자동 지식 생성기(220)는 지식 자원에서 키 값으로 표현된 정보에 대하여 미리 정의 된 규칙에 기초하여 지식 데이터를 생성할 수 있다. 이를 위해, 자동 지식 생성기(220)는 지식 자원에 포함된 문자들을 분석하기 위한 언어처리를 수행할 수 있다. 자동 지식 생성기(220)는 지식 자원으로부터 생성한 지식 데이터를 지식 저장부(50)에 저장할 수 있다. 자동 지식 생성기(220)의 자세한 동작에 상세한 내용은 도 5에서 후술한다.
피드백 지식 생성기(240)는 서비스 인터페이스(300)를 통해서 사용자(30)로부터 수신한 제2 데이터(DATA2)에 기초하여 지식 저장부(50)에 저장된 지식 데이터를 보정할 수 있다. 피드백 지식 생성기(240)가 지식 데이터를 보정하는 동작에 대한 상세한 내용은 도 6a 내지 6c에서 후술한다. 또한, 피드백 지식 생성기(240)는 서비스 인터페이스(300)를 통해서 사용자(30)로부터 수신한 제2 데이터(DATA2)로부터 지식 데이터를 생성할 수 있다. 즉, 피드백 지식 생성기(240)는 사용자(30)가 네트워크(40)를 통해서 지식 생성 시스템(10)에 전송한 정형 또는 비정형인 제2 데이터를 분석하여 지식 데이터를 생성할 수 있다. 예컨대, 서비스 인터페이스(300)는 사용자(30)에게 지식 데이터를 생성하기 위해 용이하게 분석할 수 있는 형식의 지식 자원 또는 그와 유사한 형식을 사용자(30)에게 제시할 수 있고, 이에 따라 제시한 형식에 맞게 사용자(30)가 입력한 제2 데이터에 기초하여 피드백 지식 생성기(240)는 지식 데이터를 생성할 수 있다.
지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터를 관리할 수 있다. 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 미리 정해진 조건을 만족하는 지식 데이터를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다. 예컨대, 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 상충하는(또는 서로 모순되는) 내용을 포함하는 지식 데이터를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다. 또한, 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 값이 누락된 속성을 포함하는 지식 데이터를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수도 있다. 지식 수집부(100)가 수집한 제1 데이터에 기초하여 자동 지식 생성기(220)가 생성한 지식 데이터에 대하여, 지식 관리기(260)는 보정이 필요한 부분을 자동으로 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공함으로써 지식 저장부(50)에 저장된 지식 데이터의 정확성을 용이하게 높일 수 있다. 지식 관리기(260)가 제공한 지식 데이터에 응답하여 사용자(30)가 지식 생성 시스템(10)에 입력한 제2 데이터에 기초하여, 전술한 바와 같이 피드백 지식 생성기(240)는 지식 데이터를 보정할 수 있다.
도 5는 본 발명의 예시적 실시예에 따라 도 4의 자동 지식 생성기(220)의 동작의 예시를 나타내는 도면이다. 도 2 및 4를 함께 참조하면, 지식 수집부(100)는 위키백과 서버(22)에 접속하여 ‘홍길동’에 대한 지식을 포함하는 제1 데이터를 수집하여, 도 5의 상단에 도시된 것과 같은 지식 자원을 생성할 수 있다. 도 5의 상단에 도시된 바와 같이, 지식 자원은 하나 이상의 키 값을 포함할 수 있고, 각각의 키 값은 ‘홍길동’에 대한 지식을 포함하는 제1 데이터로부터 추출된 값으로 채워질 수 있다.
자동 지식 생성기(220)는 지식 수집부(100)로부터 도 5의 상단에 도시된 바와 같은 지식 자원을 수신할 수 있고, 도 5의 하단에 도시된 바와 같은 지식 데이터를 생성할 수 있다. 도 4에서 설명한 바와 같이, 자동 지식 생성기(220)는 미리 정의된 규칙에 기초하여 지식 자원으로부터 지식 데이터를 생성할 수 있다. 본 발명의 예시적 실시예에 따라, 자동 지식 생성기(220)가 참조하는 규칙은 적어도 하나의 RDF 스키마를 포함할 수 있다. RDF 스키마는 미리 정의되는 것으로서, 자동 지식 생성기(220)는 RDF 스키마에 기초하여 지식 자원으로부터 인스턴스를 생성할 수 있고, 생성된 인스턴스를 지식 저장부(50)에 저장할 수 있다. 즉, 지식 데이터는 RDF 스키마에 따른 인스턴스를 포함할 수 있다.
도 5의 하단에 도시된 바와 같이, 자동 지식 생성기(220)는 지식 자원으로부터 인스턴스를 생성할 수 있다. 예컨대, 자동 지식 생성기(220)는 지식 자원 중에서 RDB 데이터, 메타데이터, 위키백과의 정보박스 데이터와 같은 반(semi)구조적인 데이터들에 대해 정의된 RDF 스키마에 기초하여 인스턴스를 생성할 수 있다. 도 5에 도시된 바와 같이, 자동 지식 생성기(220)는 인물에 대한 RDF 스키마에 따라 ‘홍길동’에 대한 인스턴스를 생성할 수 있고, 생성된 인스턴스는 RDF 스키마가 정의하는 속성에 대하여 값을 가질 수 있다. 즉, ‘홍길동’은 ‘어머니’라는 속송의 값으로서 ‘옥영향’을 가질 수 있다.
도 5의 하단에 도시된 바와 같이 생성된 지식 데이터, 즉 인스턴스는 다른 인스턴스와 관계를 가질 수 있다. 예컨대, ‘홍길동’에 대응하는 인스턴스는 속성 ‘관련작품’의 값으로서 ‘홍길동전’을 가질 수 있고, 한편 ‘홍길동전’에 대응하는 인스턴스는 속성 ‘주인공’ 또는 ‘관련인물’의 값으로서 ‘홍길동’을 가질 수 있다. 이에 따라, ‘홍길동’ 및 ‘홍길동전’에 대응하는 인스턴스들은 서로 관계가 형성될 수 있다.
도 6a 내지 6c는 본 발명의 예시적 실시예에 따라 도 4의 피드백 지식 생성기(240) 및 지식 관리기(260)의 동작의 예시를 나타내는 도면이다. 도 4에서 설명한 바와 같이, 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 일정한 조건을 만족하는 지식 데이터를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있고, 이에 응답하여 사용자(30)가 사용자(30)가 지식 생성 시스템(10)에 입력한 제2 데이터를 피드백 지식 생성기(240)는 서비스 인터페이스(300)를 통해서 수신하여 제2 데이터에 기초하여 지식 데이터를 보정할 수 있다.
도 6a는 본 발명의 예시적 실시예에 따라 도 5의 지식 데이터를 보정하는 동작의 예시를 나타내는 도면이다. 전술한 바와 같이, 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 값이 누락된 속성을 가지는 지식 데이터, 즉 인스턴스를 서비스 인터페이스(300)를 통해서 사용자(30)에 제공할 수 있다. 예컨대 도 6a의 좌측에 도시된 바와 같이, 지식 관리기(260)는 지식 저장부(50)에 속성 ‘직업’의 값이 누락된 ‘홍길동’에 대응하는 지식 데이터, 즉 인스턴스를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다.
사용자(30)가 값이 누락된 속성 ‘직업’에 값을 부가하기 위하여 ‘입력’항목을 활성화시키는 경우, 서비스 인터페이스(300)는 도 6a의 우측에 도시된 바와 같이 RDF 스키마에 따라 속성 ‘직업’의 값으로서 가능한 예시들을 제공할 수 있고, 예시와 다른 직업을 추가할 수 있는 환경을 제공할 수 있다. 서비스 인터페이스(300)는 사용자(30)가 입력한 값(즉, 제2 데이터)을 피드백 지식 생성기(240)로 전달할 수 있다. 피드백 지식 생성기(240)는 제2 데이터에 기초하여 ‘홍길동’에 대응하는 인스턴스의 속성 ‘직업’에 값을 부가하고, 보정된‘홍길동’에 대응하는 인스턴스를 지식 저장부(50)에 다시 저장할 수 있다.
도 6b는 본 발명의 예시적 실시예에 따라 도 5의 지식 데이터를 보정하는 동작의 다른 예시를 나타내는 도면이다. 전술한 바와 같이, 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 상충하는 내용을 포함하는 지식 데이터, 즉 인스턴스를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다. 예컨대 도 6b의 좌측에 도시된 바와 같이, 지식 관리기(260)는 지식 저장부(50)에 속성 ‘어머니’의 값이 2개인 ‘홍길동’에 대응하는 지식 데이터, 즉 인스턴스를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다.
사용자(30)가 값이 2개인 속성 ‘어머니’에 값을 선택 또는 편집하기 위하여 ‘편집’항목을 활성화시키는 경우, 서비스 인터페이스(300)는 도 6b의 우측에 도시된 바와 같이 2개의 값인 ‘옥영향’ 및 ‘춘섬’중 택일하거나 양자가 병존하는 것을 선택할 수 있는 환경을 제공할 수 있다. 서비스 인터페이스(300)는 사용자(30)가 선택한 값(즉, 제2 데이터)을 피드백 지식 생성기(240)로 전달할 수 있다. 피드백 지식 생성기(240)는 제2 데이터에 기초하여 ‘홍길동’에 대응하는 인스턴스의 속성 ‘어머니’의 2개 값들 중 하나를 삭제하고, 보정된 ‘홍길동’에 대응하는 인스턴스를 지식 저장부(50)에 다시 저장할 수 있다.
도 6c는 본 발명의 예시적 실시예에 따라 도 5의 지식 데이터를 보정하는 동작의 다른 예시를 나타내는 도면이다. 본 발명의 예시적 실시예에 따라, 지식 관리기(260)는 지식 저장부(50)에 저장된 지식 데이터 중 자동 지식 생성기(220)가 자동으로 추출하기 어려운 텍스트, 이미지, 영상 등을 포함하는 지식 데이터, 즉 인스턴스를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다. 예컨대 도 6c의 상단에 도시된 바와 같이, 지식 관리기(260)는 이미지를 포함하는 ‘홍길동’에 대응하는 지식 데이터, 즉 인스턴스를 서비스 인터페이스(300)를 통해서 사용자(30)에게 제공할 수 있다.
사용자(30)가 이미지에 대한 정보로서 ‘종류’, ‘스크립트’, ‘관련 인스턴스’를 입력하기 위하여 ‘입력’항목을 활성화시키는 경우, 각각 대응하는 내용(즉, 제2 데이터)을 서비스 인터페이스(300)를 통해서 입력하는 환경을 제공할 수 있다. 서비스 인터페이스(300)는 사용자(30)가 입력한 값(즉, 제2 데이터)을 피드백 지식 생성기(240)로 전달할 수 있다. 피드백 지식 생성기(240)는 제2 데이터에 기초하여 ‘홍길동’에 대응하는 인스턴스가 포함하는 이미지의 정보를 보충하고, 보정된 ‘홍길동’에 대응하는 인스턴스를 지식 저장부(50)에 다시 저장할 수 있다.
도 7은 본 발명의 예시적 실시예에 따른 지식 생성 시스템(10’)을 나타내는 도면이다. 도 7에 도시된 바와 같이, 지식 생성 시스템(10’)은 지식 수집부(100), 지식 생성부(200), 서비스 인터페이스(300) 및 지식 증강부(500)를 포함할 수 있다. 도 1의 지식 생성 시스템(10)과 비교할 때, 도 7의 지식 생성 시스템(10’)은 지식 증강부(500)을 더 포함할 수 있다. 지식 증강부(500)를 제외한 지식 생성 시스템(10’)에 포함된 구성요소들에 대한 설명은 앞서 설명한 바와 유사하므로 생략한다.
지식 증강부(500)는 지식 수집부(100)에서 생성한 복수의 지식 자원들 사이의 관계를 분석하여 새로운 지식 데이터를 생성하여 지식 저장부(50)에 저장할 수 있다. 또한, 지식 증강부(500)는 지식 저장부(50)에 저장된 지식 데이터들의 관계를 분석하여 새로운 지식 데이터를 생성하여 지식 저장부(50)에 저장할 수 있다. 예컨대 도 2를 참조하면, 지식 증강부(500)는 지식 수집부(100)의 지식 자원 저장소(160)에 저장된 2이상의 지식 자원들로부터 언어처리 기술에 기초하여 지식 자원들을 분석함으로써 지식 자원들 사이의 관계에 기초하여 새로운 지식 데이터를 생성할 수 있다. 또한, 지식 증강부(500)는 지식 생성부(200)에 의해 생성되어 지식 저장부(50)에 저장된 2이상의 지식 데이터들로부터 추론 기술을 이용하여 새로운 지식 데이터를 생성할 수 있다. 지식 증강부(500)는 생성시킨 새로운 지식 데이터에 대한 신뢰성을 평가하고, 평가 결과를 지식 데이터에 포함시킬 수 있다. 지식 생성 시스템(10’)은 지식 증강부(500)를 통해서 자가 성장이 가능한 진화형 지식 증강 기능을 구비할 수 있다.
도 8은 본 발명의 예시적 실시예에 따른 지식 증강부(500)의 구현 예를 나타내는 도면이다. 지식 증강부(500)는 지식 수집부(100)의 지식 자원 저장소(160)에 저장된 지식 자원을 수신할 수 있고, 지식 저장부(50)에 저장된 지식 데이터를 수신할 수도 있다. 지식 증강부(500)는 생성시킨 지식 데이터를 지식 저장부(50)에 저장할 수 있다. 도 8에 도시된 바와 같이, 지식 증강부(500)는 패턴기반 언어처리기(520), 자가학습기반 지식 증강기(540), 추론기반 지식 증강기(560), 후보지식 검증기(580)를 포함할 수 있다.
패턴기반 언어처리기(520)는 지식 자원 저장소(160)에 저장된 2이상의 지식 자원들이 포함하는 텍스트의 어휘 및 구조를 분석할 수 있다. 예컨대, 패턴기반 언어처리기(520)는 자연어 문장으로부터 형태소 분석, 문장 구조 분석 등의 언어처리 기술을 통해서 문장의 주요 어휘 및 구조를 분석할 수 있다.
자가학습기반 지식증강기(540)는 패턴기반 언어처리기(520)가 분석한 어휘 및 구조에 따라 사전적 의미에 기초하여 지식 데이터를 생성할 수 있다. 예컨대, 자가학습기반 지식증강기(540)는 언어처리 기술을 통해서 분석된 어휘 및 구조에 따라 문장의 주어, 목적어 및 그들간의 관계에 대한 의미 분석을 수행함으로써 지식 데이터를 생성할 수 있다.
추론기반 지식 증강기(560)는 지식 수집부에 저장된 복수의 지식 데이터들의 관계를 추론하여 새로운 지식 데이터를 생성할 수 있다. 예컨대, 추론기반 지식 증강기(560)는 복수의 지식 데이터들 사이의 포함 관계, 순서 관계 및/또는 대소 관계를 추론할 수 있고, 추론 결과를 포함하는 지식 데이터를 생성할 수 있다. 추론기반 지식 증강기(560)는 추론 기법으로서 공간정보추론 및 시간정보추론 등을 사용할 수 있다.
후보지식 검증기(580)는 자가학습기반 지식 증강기(540) 및 추론기반 지식 증강기(560)이 생성한 지식 데이터에 대한 신뢰성을 지식 저장부(50)에 저장된 지식 데이터에 기초하여 평가할 수 있고, 지식 데이터에 평가 결과를 포함시켜 지식 저장부(50)에 저장할 수 있다. 예를 들면, 후보지식 검증기(580)는 자가학습기반 지식 증강기(540) 및 추론기반 지식 증강기(560)가 생성한 지식 데이터에 포함된 내용, 예컨대 인스턴스의 속성 및 속성의 값에 대하여 지식 저장부(50)에 기 저장된 지식 데이터에 대응하는 내용이 있는지 여부를 검색 등을 통하여 확인할 수 있고, 검색 결과를 분석하여 새롭게 생성된 지식 데이터에 대한 신뢰성을 평가할 수 있다.
상기한 실시예의 설명은 본 발명의 더욱 철저한 이해를 위하여 도면을 참조로 예를 든 것에 불과하므로, 본 발명을 한정하는 의미로 해석되어서는 안될 것이다. 또한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기본적 원리를 벗어나지 않는 범위 내에서 다양한 변화와 변경이 가능함은 명백하다 할 것이다.

Claims (11)

  1. 네트워크를 통해서 제1 데이터를 수집하고, 상기 제1 데이터에 기초하여 지식 자원을 생성하는 지식 수집부;
    사용자로부터 제2 데이터를 수신하는 서비스 인터페이스; 및
    상기 지식 자원 및/또는 상기 제2 데이터에 기초하여 지식 데이터를 생성하고 지식 저장부에 저장하는 지식 생성부를 포함하고,
    상기 지식 생성부는 사용자에게 상기 서비스 인터페이스를 통해서 상기 지식 저장부에 저장된 지식 데이터 중 보정 대상을 제공하는 것을 특징으로 하는 지식 생성 시스템.
  2. 제1항에 있어서, 상기 지식 수집부는,
    네트워크를 통해서 상기 제1 데이터를 수집하는 지식 자원 수집기;
    상기 제1 데이터를 미리 정해진 형식으로 변환하여 지식 자원을 생성하는 지식 자원 변환기; 및
    상기 지식 자원을 저장하는 지식 자원 저장소를 포함하는 것을 특징으로 하는 지식 생성 시스템.
  3. 제2항에 있어서,
    상기 지식 자원 수집기는 미리 정해진 리스트에 포함된 서버에 접속하여 상기 제1 데이터를 수집하는 것을 특징으로 하는 지식 생성 시스템.
  4. 제2항에 있어서,
    상기 제1 데이터는 적어도 하나의 전자 문서를 포함하고,
    상기 지식 자원 변환기는 상기 전자 문서로부터 텍스트를 추출하고, 상기 전자 문서를 적어도 하나의 키 값을 포함하는 형식으로 변환하는 것을 특징으로 하는 지식 생성 시스템.
  5. 제1항에 있어서, 상기 지식 생성부는
    상기 지식 자원으로부터 미리 정의된 규칙에 기초하여 지식 데이터를 생성하는 자동 지식 생성기;
    상기 지식 저장부에 저장된 지식 데이터 및 상기 제2 데이터로부터 상기 규칙에 기초하여 지식 데이터를 생성하는 피드백 지식 생성기; 및
    상기 지식 저장부에 저장된 지식 데이터를 관리하는 지식 관리기를 포함하는 것을 특징으로 하는 지식 생성 시스템.
  6. 제5항에 있어서,
    상기 규칙은 적어도 하나의 RDF 스키마를 포함하고,
    상기 지식 데이터는 상기 RDF 스키마에 따른 인스턴스를 포함하는 것을 특징으로 하는 지식 생성 시스템.
  7. 제6항에 있어서,
    상기 자동 지식 생성기는 상기 지식 자원으로부터 상기 RDF 스키마에 기초하여 상기 인스턴스를 생성하는 것을 특징으로 하는 지식 생성 시스템.
  8. 제6항에 있어서,
    상기 피드백 지식 생성기는 상기 제2 데이터로부터 상기 RDF 스키마에 기초하여 상기 인스턴스를 생성하거나, 상기 제2 데이터에 기초하여 상기 지식 저장부에 저장된 지식 데이터의 인스턴스를 보정하는 것을 특징으로 하는 지식 생성 시스템.
  9. 제6항에 있어서,
    상기 지식 관리기는 상기 지식 저장소에 저장된 적어도 하나의 인스턴스 중 2이상의 상충하는 속성들을 가지거나, 이미지 또는 영상을 속성으로서 가지는 인스턴스를 상기 서비스 인터페이스에 전달하는 것을 특징으로 하는 지식 생성 시스템.
  10. 제1항에 있어서, 상기 지식 생성 시스템은,
    상기 지식 수집부에서 생성한 복수의 지식 자원들의 관계를 분석하여 지식 데이터를 생성하고, 상기 지식 저장부에 저장된 복수의 지식 데이터들의 관계를 분석하여 지식 데이터를 생성하는 지식 증강부를 더 포함하는 것을 특징으로 하는 지식 생성 시스템.
  11. 제10항에 있어서, 상기 지식 증강부는,
    상기 복수의 지식 자원들이 포함하는 문장의 어휘 및 구조를 분석하는 패턴기반 언어처리기;
    상기 분석된 어휘 및 구조에 따라 사전적 의미에 기초하여 새로운 지식 데이터를 생성하는 자가학습기반 지식 증강기;
    상기 지식 저장부에 저장된 복수의 지식 데이터들의 관계를 추론하여 새로운 지식 데이터를 생성하는 추론기반 지식 증강기; 및
    상기 자가학습기반 지식 증강기 및 상기 추론기반 지식 증강기에 의해 생성된 지식 데이터를 상기 지식 저장부에 저장된 지식 데이터에 기초하여 신뢰성을 평가하고, 상기 지식 저장부에 저장하는 후보지식 검증기를 포함하는 것을 특징으로 하는 지식 생성 시스템.
KR1020140036623A 2014-03-28 2014-03-28 지식 생성 시스템 및 방법 KR101684579B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140036623A KR101684579B1 (ko) 2014-03-28 2014-03-28 지식 생성 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140036623A KR101684579B1 (ko) 2014-03-28 2014-03-28 지식 생성 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20150112442A true KR20150112442A (ko) 2015-10-07
KR101684579B1 KR101684579B1 (ko) 2016-12-09

Family

ID=54343695

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140036623A KR101684579B1 (ko) 2014-03-28 2014-03-28 지식 생성 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101684579B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102111734B1 (ko) * 2018-11-29 2020-05-15 주식회사 솔트룩스 통합 지식베이스 구축 시스템 및 방법
KR102111733B1 (ko) * 2018-11-29 2020-05-15 주식회사 솔트룩스 데이터 증강 기반 지식 통합 시스템 및 방법
KR20220066732A (ko) * 2020-11-16 2022-05-24 주식회사 솔트룩스 표로부터 지식 데이터를 추출하기 위한 시스템 및 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102121504B1 (ko) * 2018-11-29 2020-06-10 주식회사 솔트룩스 복수의 데이터 소스들 기반 지식 데이터 베이스 구축 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100098028A (ko) * 2009-02-27 2010-09-06 주식회사 솔트룩스 시맨틱 메타데이터를 활용한 데이터 구조화 방법 및 시스템
KR20120105578A (ko) * 2011-02-17 2012-09-26 경북대학교 산학협력단 온톨로지를 이용한 증상과 질병에 따른 요리법의 추천과 요리법의 수정 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100098028A (ko) * 2009-02-27 2010-09-06 주식회사 솔트룩스 시맨틱 메타데이터를 활용한 데이터 구조화 방법 및 시스템
KR20120105578A (ko) * 2011-02-17 2012-09-26 경북대학교 산학협력단 온톨로지를 이용한 증상과 질병에 따른 요리법의 추천과 요리법의 수정 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102111734B1 (ko) * 2018-11-29 2020-05-15 주식회사 솔트룩스 통합 지식베이스 구축 시스템 및 방법
KR102111733B1 (ko) * 2018-11-29 2020-05-15 주식회사 솔트룩스 데이터 증강 기반 지식 통합 시스템 및 방법
WO2020111371A1 (ko) * 2018-11-29 2020-06-04 주식회사 솔트룩스 통합 지식베이스 구축 시스템 및 방법
KR20220066732A (ko) * 2020-11-16 2022-05-24 주식회사 솔트룩스 표로부터 지식 데이터를 추출하기 위한 시스템 및 방법

Also Published As

Publication number Publication date
KR101684579B1 (ko) 2016-12-09

Similar Documents

Publication Publication Date Title
Ben Ellefi et al. RDF dataset profiling–a survey of features, methods, vocabularies and applications
Ferrández et al. The QALL-ME framework: A specifiable-domain multilingual question answering architecture
Cerón-Figueroa et al. Instance-based ontology matching for e-learning material using an associative pattern classifier
Konys Ontology-based approaches to big data analytics
Del Gratta et al. Converting the PAROLE SIMPLE CLIPS Lexicon into RDF with lemon
Cortis et al. Discovering semantic equivalence of people behind online profiles
KR101684579B1 (ko) 지식 생성 시스템 및 방법
Orlandi et al. Modelling provenance of DBpedia resources using Wikipedia contributions
KR101637504B1 (ko) 비정형 데이터 처리 시스템 및 방법
KR102156287B1 (ko) 처방적 분석 기반 지능형 연구정보 고부가 가치화 제공 플랫폼 및 그 방법
Reinhardt et al. Artefact-Actor-Networks as tie between social networks and artefact networks
Haller et al. Are we better off with just one ontology on the Web?
KR101532252B1 (ko) 소셜 네트워크 정보 수집 및 분석 시스템
Gangemi et al. Identifying motifs for evaluating open knowledge extraction on the Web
Neumaier et al. Data integration for open data on the web
Martínez-González et al. On the evaluation of thesaurus tools compatible with the Semantic Web
Euzenat et al. Semantic web
KR102096328B1 (ko) 처방적 분석 기반 지능형 연구정보 고부가 가치화 제공 플랫폼 및 그 방법
KR101476225B1 (ko) 자연어 및 수식 색인화 방법과 그를 위한 장치 및 컴퓨터로 읽을 수 있는 기록매체
CN115270776A (zh) 一种领域知识库中的概念自动获取方法、系统、装置及介质
Molnár et al. Application of legal ontologies based approaches for procedural side of public administration: A case study in Hungary
Yang Variable weight semantic graph‐based ontology mapping method
Minutolo et al. An automatic method for deriving OWL ontologies from XML documents
Bravo et al. Enriching semantically web service descriptions
KR20140104544A (ko) 의미 데이터 구축을 위한 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
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: 20191203

Year of fee payment: 4