WO2012060490A1 - 추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치 - Google Patents

추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치 Download PDF

Info

Publication number
WO2012060490A1
WO2012060490A1 PCT/KR2010/007769 KR2010007769W WO2012060490A1 WO 2012060490 A1 WO2012060490 A1 WO 2012060490A1 KR 2010007769 W KR2010007769 W KR 2010007769W WO 2012060490 A1 WO2012060490 A1 WO 2012060490A1
Authority
WO
WIPO (PCT)
Prior art keywords
triple
inference
triples
index
serial number
Prior art date
Application number
PCT/KR2010/007769
Other languages
English (en)
French (fr)
Inventor
이승우
김평
정한민
이미경
서동민
성원경
Original Assignee
한국과학기술정보연구원
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 한국과학기술정보연구원 filed Critical 한국과학기술정보연구원
Priority to US13/510,990 priority Critical patent/US8688612B2/en
Priority to JP2012541933A priority patent/JP5352935B2/ja
Publication of WO2012060490A1 publication Critical patent/WO2012060490A1/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
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9027—Trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Definitions

  • the present invention relates to a triple storage method according to inference, and more particularly, to provide a basis for a service provided through inference, and triple storage method and apparatus capable of supporting incremental inference even when deleting a triple, and suitable inference dependency thereof.
  • An indexing apparatus and an inference dependency verification method are provided.
  • ontology such as RDF (Resource Description Framework) and OWL (Web Ontology Language), and inference plays the role of expanding the knowledge represented by ontology.
  • An ontology is a set of RDF triples, each triple consisting of a pair of ⁇ predicates, predicates, and objects>. Triple is also called a fact.
  • the reasoning technique is forward reasoning, which performs all the inferences before the query comes in, and backward reasoning, which performs only the reasoning needed to process the query at the moment the query comes in.
  • forward reasoning which performs all the inferences before the query comes in
  • backward reasoning which performs only the reasoning needed to process the query at the moment the query comes in.
  • Reasoning techniques can also be classified into description logic-based reasoning and rule-based reasoning according to the underlying logic. Rule-based reasoning is advantageous in terms of the practicality of reasoning, and in terms of completeness of reasoning. Logic-based reasoning is advantageous.
  • rule-based forward inference techniques are advantageous in terms of inference for large-scale ontology
  • the triples already inferred from this triple and extended are no longer valid. do. Therefore, in order to deal with this problem, the entire reasoning is generally performed again.
  • it since it takes a long time to perform the reasoning, it is an obstacle in terms of practicality.
  • users may question the reliability of the semantic web-based reasoning service, which may cause a decrease in user satisfaction of the service.
  • triple storage technology is required, which enables incremental inference without the need to perform the entire inference again, and if the user desires, the reason for the inference result can be presented.
  • each triple is distributed and stored by a predicate and a class.
  • the triple size is large, it has an advantage according to the dispersion effect.
  • Mixed design is the middle of a vertical design and a horizontal design. However, this design alone does not effectively support incremental inference and inference verification, requiring a separate storage technology.
  • An object of the present invention is to provide a semantic web based triple storage method for supporting incremental reasoning based on semantic web technology and explaining the reasoning for the reasoning service (that is, reasoning verification). It is done.
  • Another object of the present invention is to provide an inference dependency indexing apparatus suitable for the above method.
  • a further object of the present invention is to provide a triple storage device suitable for the above method.
  • Another object of the present invention is to provide a method for verifying inference dependency using the triple storage device.
  • the present invention adds and stores a serial number to each of triples and inference rules related to inference, and indexes and stores the triples inferred by applying the triples and inference rules using the serial numbers of triples and inference rules applied thereto. In addition, it can enhance the credibility of the reasoning by presenting it as the basis of the reasoning.
  • Deletion of an arbitrary fact makes it possible to increase the efficiency of incremental reasoning by tracking and deleting inferred facts that depend on the deleted fact.
  • the triple storage method of the present invention can enhance the reliability of inference by indexing and storing the facts applied to the inferred facts and the serial number of the inference rule and presenting them as the basis of the inference upon the user's request. Deleting and tracking the inferred facts that depend on the deleted facts can increase the efficiency of incremental reasoning.
  • FIG. 2 shows a block diagram of an inference dependency indexing apparatus according to the present invention.
  • FIG. 3 is an exemplary diagram illustrating a result of performing a triple and rule serial number assignment unit of FIG. 2.
  • FIG. 4 is an exemplary diagram illustrating a result of performing an inference dependency indexing unit of FIG. 2.
  • FIG. 5 is an exemplary diagram illustrating an execution result of the triple view generator of FIG. 2.
  • FIG. 6 shows a flowchart of a triple storage method according to the present invention.
  • FIG. 7 is a flowchart of a method of performing inference verification in an inference dependency indexing apparatus according to the present invention.
  • FIG. 8 is a flowchart illustrating a method of performing incremental inference at the time of triple deletion in the inference dependency indexing apparatus according to the present invention.
  • An inference dependency index table that uses the serial number of the inferred triple as the key of the index and the serial number of the inference rule used for the inference and the serial number of the triples used for the inference;
  • (d) preferably further including incremental inference using the index and the triple view when deleting the triple.
  • the method may include deleting a triple inferred according to the requested triple deletion from the triple table.
  • a triple and rule serial number allocator which adds serial numbers to triples and inference rules and stores them in a plurality of triple tables and inference rule tables;
  • An inference performer which induces new triples by applying an inference rule to the triples that exist explicitly;
  • An inference dependency indexing unit which indexes and stores the dependencies between the triples used in the inference, the inference rules, and the newly inferred triples through the inference to support inference verification and incremental inference;
  • a triple view generator configured to generate a triple view for virtually accessing triples physically distributed and stored in the plurality of triple tables as if they are stored in one storage unit; Characterized in that it comprises a.
  • An inference dependency index table that uses the serial number of the inferred triple as the key of the index and the serial number of the inference rule used for the inference and the serial number of the triples used for the inference;
  • the inference dependency index unit responds to the triple delete request.
  • the triple inferred depending on the requested triple deletion is deleted from the triple table.
  • Triple storage device for achieving the above another object is
  • An inference rule table for storing inference rules appended to each serial number
  • An inference dependency index table and an inference dependency index table that store the results indexed using the triples and the serial number of the inference rule applied to it for another triple inferred by applying the triple and inference rules;
  • Inference dependency index table that stores the indexed results using the rule's serial number, and triple view that allows access to triples that are physically distributed and stored in the plurality of triple tables as if they were a single virtual storage unit (table).
  • the triple inferred only by the triple requested to be deleted may further have a process of deleting from the triple table.
  • Triple is generally stored in one of three types shown in FIG.
  • the horizontal design or mixed design method of FIG. 1 is mainly used, and triples inferred by forward inference as well as triples explicitly present in the ontology in consideration of practicality. Will be stored in the triple repository.
  • such a storage structure alone does not support inference verification and incremental inference.
  • Inference is the process of obtaining a new (inferred) [triple] by applying a rule of inference to an existing [triple].
  • the present invention indexes and stores the dependencies between inferred [triples] obtained by inference and existing [triples] and [inference rules] used in inference as a function of triple storage to support inference verification and incremental inference. .
  • the inference dependency indexing apparatus includes a triple and rule serial number assignment unit 100, an inference execution unit 200, an inference dependency index unit 300, and a triple view generation unit 400.
  • Triple and rule serial number assignment unit 100 stores the triples and inference rules attached to the serial number.
  • each triple is distributed and stored by type, and the serial number is not the serial number in each storage unit (table), but the serial number in the entire triple. Must be assigned. That is, as an example, each ID column of the four triple tables (p (102), q (104), r (106), and s (108)) of FIG. 3 is assigned an serial number in all triples. have.
  • the inference rule table 109 of FIG. 3 illustrates that each inference rule is assigned a serial number in the inference rule.
  • the flag column of each triple table is used to indicate whether the corresponding triple is a triple obtained through inference. If the triple is obtained through inference, the flag column is represented by T (true); otherwise, the flag column is represented by F (false).
  • the inference performer 200 derives new triples by applying an inference rule to the triples that are explicitly present. Inferred triples may also be applied recursively to inference rules.
  • the solid arrows in FIG. 3 indicate triples applied (input) to each inference rule, and the dashed arrows indicate new triples obtained as a result of the inference rule applied, that is, the inferred triples.
  • an inferred triple (eg, [Triple 4]) can be used for another reasoning (eg, applies to [Rule 2]).
  • one triple may be applied to multiple inference rules, and the same inferred triple may be obtained through different inference rules (for example, [Triple 7] may be used for [Rule 2] and [Rule 3], respectively). Can be obtained).
  • [Triple] is also called fact in other words and consists of ⁇ subject, predicate, object>.
  • [Condition] consists of one or more [Triple Patterns]
  • [Concluding Part] consists of a [Triple Pattern].
  • [Triple pattern] is composed of ⁇ predicate, predicate, object> like triple, but each subject, predicate, object can be a variable that is not a constant.
  • the inference rule means that the triple corresponding to the conclusion section can be derived as a new fact when the facts can be applied to the triple patterns of the conditional.
  • the inference dependency indexing unit 300 indexes and stores the dependency relationship between triples used in inference, inference rules, and triple inferences through inference in order to support inference verification and incremental inference.
  • the inference dependency index table is divided into two types. First, in order to verify the inference, the inference dependency indexing table (Backward Dependency Indexing table) can be easily searched to find out which evidence triples and inference rules are derived from the inferred triples. 301).
  • the inference dependency indexing table Backward Dependency Indexing table
  • the inferred triple ID (InferredTripleID) is used as the index key
  • the inference rule ID (RuleID) used for the inference and the triple IDs (TripleID1, TripleID2, ..., TripleIDn) are used as the contents and indexed and stored.
  • the rule number and triple numbers used for this inference are stored for each inferred triple number in a structure that can be obtained immediately. This is similar to the structure of indexing the document number in which the search term appears for each search term so that a document in which the search term appears in a general information search can be found quickly.
  • a forward dependency dependency indexing table 303 is generated so that it is easy to search which triples are inferred from the deleted triples. That is, the triple ID used for inference is the index key, and the index ID and the triple ID generated by this inference are indexed and stored.
  • the fact that [Triple 4] was inferred by applying [Triple 1] and [Triple 3] to [Rule 1] is the first of the inference dependency index index 301. It is represented by the rows, and is also represented by the first and third rows of the inference dependency index 303.
  • the inference dependency index index 301 of FIG. 3 is expressed in two columns like TripleID1 and TripleID2 on the assumption that there are two or less triples used in one inference rule, when n or fewer triples can be applied, It can be extended with TripleID1, TripleID2, ..., TripleIDn.
  • Triple view generating unit 400 is a view for the entire triple (for example, a view of the DBMS so that virtually distributed triples stored in a plurality of storage units (tables) can be accessed as if they are stored in a single storage unit virtually. view)).
  • triples are distributed and stored in multiple storage units (tables) as in the case of the horizontal and mixed designs of FIG. 1, when the triple ID is given, the actual contents ( ⁇ predicate, predicate, object>) for the triple are found. This requires knowing which storage unit (table) it is stored in, but using triple view gives you access to any storage unit (table).
  • FIG. 5 shows an example of generating a triple view for the triple storage units (tables) of FIG. 3. That is, triple_view 410 is a table of four triple storage units (table) p table 402, q table 404, r table 406, s table 408 as one physical storage unit (table) As you can see, this is a triple view (for example, a view of a DBMS), a virtual storage unit (table). This triple view has a Subject, Predicate, and Object column that allows access to all triples.
  • the value of the predicate column is designated as p, which is a storage unit (table) name when accessed through the triple view.
  • the value of the Predicate column is designated as q, which is a storage unit (table) name.
  • the table 406 and the table 408 are for storing instances of each class.
  • the value of the Predicate column is designated as rdf: type
  • the value of the Object column is designated as r
  • the storage unit (table) name is designated as the table 408.
  • the value of the Predicate column is set to rdf: type and the value of the Object column is set to s, the storage unit (table) name.
  • Inference verification provides the basis for the inferred [triple], and incremental inference at the time of triple deletion means deleting and recursively tracking the triples inferred by the deleted triple.
  • the present invention proposes a method of indexing the dependency relationship between [triple] inferred for incremental reasoning during inference verification and deletion, and [triple] and [inference rule] used in inference.
  • FIG. 6 shows a flowchart of a triple storage method according to the present invention.
  • a unique serial number is assigned to each of all triples (S501), and a unique serial number (ID) is also assigned to each of the inference rules (S503). Even if triples are stored distributed by type, a serial number is uniquely assigned to all triples.
  • an inference process of inferring a new triple is performed by applying each inference rule to the triple (S505).
  • the inferred triples obtained here are also assigned a serial number (ID) of the triples.
  • This indexing process is divided into two types: one is the serial number of the inferred triplet (InferredTripleID) as the key of the index, and the serial number (RuleID) of the inference rule used for the inference and the serial number (TripleID1, Backward Dependency Indexing (TripleID2, ..., TripleIDn), and the other is the inferredTripleID of the inferred triple, using the tripleID of the inference as the index key.
  • InferredTripleID serial number of the inferred triplet
  • RuleID serial number of the inference rule used for the inference
  • TripleID1 Backward Dependency Indexing
  • TripleID1 Backward Dependency Indexing
  • triples are stored in multiple storage units (tables) by type, create a virtual triple view (eg DBMS view) that allows access to all triples regardless of storage unit (table) classification. (S509).
  • DBMS view virtual triple view
  • FIG. 7 and 8 illustrate a method of performing inference verification and incremental inference at the time of triple deletion using the inference dependency index and the inference dependency index, respectively.
  • the inference rule information is obtained from the inference rule table (S605), and triple information (main, predicate, object, flag) for each triple number is acquired in the triple view (triple_view) (S607).
  • triple information main, predicate, object, flag
  • the control recurs to step S603 to search for the inference dependency index. . If the value of the flag is not T (true), the inference rule information and triple information obtained above are presented to the user as the basis of the inference (S611).
  • [Rule 2], [Triple 2], and [Triple 4] can be presented as the reason for inference of [Triple 7], and [Triple 4] is also an inferred fact. Evidence should also be provided. In order to fully verify the inference, it must be possible to present pure facts and inference rules applied thereto. Using the inference dependency index index 301 of FIG. 4, the inference dependency recursively searches for inference dependencies. It is possible to obtain inference rules. That is, the basis information for [Triple 7] becomes [Rule 2] + [Triple 2] + ([Rule 1] + [Triple 1] + [Triple 3]).
  • One inferred [triple] may be obtained from two or more sets (triples + inference rule). Referring to the case of FIG. 4 as an example, in the inference dependency index index 301, [Triple 7] appears twice as the inferred triple number (the second row and the third row, respectively).
  • the inference dependency index index 301 may be indexed more than one inferred triple number, and when searching the inference dependency index index 301 for inference verification (S603), multiple search results are performed. It is possible to get That is, as the basis information for [Triple 7], [Rule 3] + [Triple 5] together with [Rule 2] + [Triple 2] + ([Rule 1] + [Triple 1] + [Triple 3]) ] + [Triple 6] is also presented.
  • serial number is retrieved from the inference-dependent index to retrieve all the serial numbers of the triples inferred based on the deleted triple, and then deleted from the inference-dependent index (S703).
  • Each deduced triple serial number is retrieved this time in the inference dependency inverse index to retrieve the serial number of the triples on which the deduced triples depend, and then inferred dependencies for search results containing the serial number of the deleted triple.
  • the reverse index S705
  • the inferred triple can only be inferred by the deleted triple, which results in further deletion of the triple. Since it is no longer valid, the inferred triple is also set as the triple to be deleted, and the triple corresponding to the inferred triple number is deleted from the triple store (S709) and the inference dependency index is searched through the triple view (triple_view) (S703).
  • the inference dependency inverted index is searched using the inferred triple serial number "4" as a key, and the index contents having the triple requested to be deleted from the search results are deleted. As a result, the first row is deleted from the inference dependency inverted index shown in FIG.
  • the deduced triple "4" is deduced only by the triple "1" requested to be deleted. This deletes the triple " 1 " that is requested to be deleted and automatically deletes the triple " 4 "
  • the first row is first deleted from the q table 104.
  • the serial number "2" of the triple requested to be deleted in the inference dependency index is searched with a key, and the searched index contents are deleted.
  • the second row is deleted from the inference dependency index shown in FIG.
  • the serial number "7" of the triple inferred is obtained depending on the triple "2" requested to be deleted.
  • the inference dependency inverse index is searched using the inferred triple serial number "7" as a key, and the index contents having the triple "2" requested to be deleted are deleted from the search results.
  • the second row is deleted from the inference dependency inverted index shown in FIG.
  • the deduced triple "7” is inferred by other triples besides the triple "2" requested to be deleted. It becomes possible. Accordingly, even if the triple requested "2" to be deleted is deleted, the triple "7" inferred by the triple "2" should not be deleted.
  • the present invention can enhance the reliability of inference by indexing and storing the facts applied to the inferred facts and the serial numbers of the inference rules and presenting them as the basis of the inference upon the user's request.

Abstract

추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 장치가 개시된다. 본 발명에 따른 트리플 저장 방법은 트리플에 추론 규칙을 적용하여 다른 트리플을 생성하는 추론 방법에 관련된 트리플을 저장하는 방법에 있어서, (a) 추론에 관련된 트리플 및 추론 규칙들 각각에 일련번호를 부가하여 저장하는 과정; (b) 상기 트리플 및 추론 규칙을 적용하여 추론된 트리플에 대하여 그에 적용된 트리플 및 추론 규칙의 일련번호를 사용하여 색인하는 과정; (c) 물리적으로 여러 개의 트리플 저장 단위(테이블)에 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰를 생성하는 과정을 포함하는 것을 특징으로 한다. 본 발명의 트리플 저장 방법은 추론된 사실에 대하여 적용된 사실 및 추론 규칙의 일련번호를 사용하여 색인하여 저장해 두고 이용자의 요청 시 추론의 근거로서 제시함으로써 추론의 신뢰성을 제고시킬 수 있으며, 또한 임의의 사실의 삭제 시 삭제된 사실에 의존하는 추론된 사실들을 추적하면서 삭제함으로써 점증적 추론의 효율성을 제고시킬 수 있는 효과를 갖는다.

Description

추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치
본 발명은 추론에 따른 트리플 저장 방법에 관한 것으로서, 더욱 상세하게는 추론을 통해 제공되는 서비스에 대한 근거를 제시하고 트리플 삭제 시에도 점증적 추론을 지원할 수 있는 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 장치 및 추론 의존성 검증 방법에 관한 것이다.
시맨틱 웹(Semantic Web)은 지식은 RDF(Resource Description Framework)와 OWL(Web Ontology Language)과 같은 온톨로지(ontology)로 표현되며, 추론은 온톨로지로 표현된 지식을 확장 가공하는 역할을 수행한다. 온톨로지는 RDF 트리플(triple)의 집합으로, 각 트리플은 <주어, 술어, 목적어>의 쌍으로 구성된다. 트리플은 또한 사실(fact)이라고 불리기도 한다.
추론을 수행하는 시점에 따라, 추론 기술은 질의가 들어오기 전에 미리 모든 추론을 수행하는 전방 추론(forward reasoning)과 질의가 들어오는 순간에 그 질의를 처리하기 위해 필요한 추론만을 수행하는 후방 추론(backward reasoning)으로 분류될 수 있는데, 온톨로지의 규모가 커짐에 따라, 즉각적인 질의응답을 수행하기에 적합한 전방 추론 위주로 하고 여기에 후방 추론을 부분적으로 혼용하는 방식이 최근의 추론 기술의 흐름이다. 추론 기술은 또한 기반이 되는 논리에 따라, 기술 논리(Description Logic) 기반의 추론과 규칙 기반의 추론으로 분류될 수 있는데, 추론의 실용성 측면에서는 규칙 기반의 추론이 유리하며, 추론의 완전성 측면에서는 기술 논리 기반의 추론이 유리하다.
이와 같이 규칙 기반의 전방 추론 기술이 대용량 온톨로지를 대상으로 하는 추론의 실용적인 측면에서 유리하지만, 온톨로지의 일부 트리플이 변경 혹은 삭제되는 경우에는 이 트리플로부터 이미 추론되어 확장된 트리플들 또한 더 이상 유효하지 않게 된다. 때문에 이 문제를 처리하기 위해 일반적으로 전체 추론을 다시 수행하는데, 추론을 수행하는 데 많은 시간이 소요되기 때문에 실용성 측면에서 걸림돌이 되고 있다.
한편, 시맨틱 웹(Semantic Web) 기반 추론 서비스에서는 온톨로지(ontology)와 추론 기술을 적용하여 온톨로지에 명시적으로 표현된 지식으로부터 내부적인 처리 과정을 거쳐 추론된 결과 (예를 들면, 특정 분야의 연구 전문가나 연구자 네트워크)를 분석하여 제시해 주지만, 그러한 분석 결과가 어떠한 근거를 통해 얻어졌는지를 설명하지는 못한다. 검색 결과를 보고 그것이 적합한지 여부를 바로 판단할 수 있는 일반적인 정보 검색과는 달리, 추론 서비스에서는 그 서비스 결과만을 봐서는 그 결과가 올바른 것인지를 바로 판단하는 것이 불가능하다.
이로 인해, 이용자들은 시맨틱 웹 기반 추론 서비스의 신뢰성에 의문을 품게 되며, 해당 서비스의 이용자 만족도를 떨어뜨리는 원인이 될 수 있다.
따라서 트리플 삭제 시에도 전체 추론을 다시 수행할 필요 없이 점증적으로 추론을 할 수 있도록 하며, 이용자가 원할 경우, 추론 결과에 대한 근거(추론 검증)를 제시할 수 있도록 하는 트리플 저장 기술이 요구된다.
명시적 트리플 및 추론된 트리플을 물리적으로 저장하는 방식에 있어서는, 도 1에서와 같이 대략 3가지 유형으로 나눠 볼 수 있다. 수직 설계 방식에서는 모든 트리플을 하나의 저장 단위(예를 들면, DBMS의 테이블)에 저장하는데, 설계가 간단하여 트리플의 규모가 작을 때는 유리하지만 규모가 커질수록 하나의 저장 단위에 대한 집중도가 커져 효율성이 떨어진다. 반면에, 수평 설계 방식에서는 각 트리플을 술어(property)와 클래스(class) 별로 분산시켜 저장하는데, 트리플의 규모가 클 경우, 분산 효과에 따른 장점을 갖는다. 혼합 설계는 수직 설계와 수평 설계의 중간에 해당하는 방식이다. 그러나 이 설계만으로는 점증적 추론과 추론 검증을 효과적으로 지원할 수 없기 때문에 별도의 저장 기술이 요구된다.
본 발명은 상기의 요구에 부응하기 위한 것으로서, 시맨틱 웹 기술 기반의 점증적 추론과 추론 서비스에 대한 근거 설명(즉, 추론 검증)을 지원하기 위한 시맨틱 웹 기반의 트리플 저장 방법을 제공하는 것을 그 목적으로 한다.
본 발명의 다른 목적은 상기의 방법에 적합한 추론 의존성 색인 장치를 제공하는 것에 있다.
본 발명의 또 다른 목적은 상기의 방법에 적합한 트리플 저장 장치를 제공하는 것에 있다.
본 발명의 또 다른 목적은 상기의 트리플 저장 장치를 이용한 추론 의존성 검증 방법을 제공하는 것에 있다.
본 발명은 추론에 관련된 트리플 및 추론 규칙들 각각에 일련번호를 부가하여 저장하고, 상기 트리플 및 추론 규칙을 적용하여 추론된 트리플에 대하여 그에 적용된 트리플 및 추론 규칙의 일련번호를 사용하여 색인하여 저장함으로써, 이용자의 요청시 추론의 근거로서 제시함으로써 추론의 신뢰성을 제고시킬 수 있게 한다.
한 임의의 사실의 삭제시 삭제된 사실에 의존하는 추론된 사실들을 추적하면서 삭제함으로써 점증적 추론의 효율성을 제고시킬 수 있게 한다.
본 발명의 트리플 저장 방법은 추론된 사실에 대하여 적용된 사실 및 추론 규칙의 일련번호를 사용하여 색인하여 저장해 두고 이용자의 요청시 추론의 근거로서 제시함으로써 추론의 신뢰성을 제고시킬 수 있으며, 또한 임의의 사실의 삭제시 삭제된 사실에 의존하는 추론된 사실들을 추적하면서 삭제함으로써 점증적 추론의 효율성을 제고시킬 수 있는 효과를 갖는다.
도 1은 트리플 저장소의 예를 도시한다.
도 2는 본 발명에 따른 추론 의존성 색인 장치의 블록도를 도시한다.
도 3은 도 2의 트리플 및 규칙 일련번호 할당부의 수행 결과를 나타내는 예시도이다.
도 4는 도 2의 추론 의존성 색인부의 수행 결과를 나타내는 예시도이다.
도 5는 도 2의 트리플 뷰 생성부의 수행 결과를 나타내는 예시도이다.
도 6는 본 발명에 따른 트리플 저장 방법의 흐름도를 도시한다.
도 7은 본 발명에 따른 추론 의존성 색인 장치에 있어서 추론 검증을 수행하는 방법의 흐름도를 도시한다.
도 8은 본 발명에 따른 추론 의존성 색인 장치에 있어서 트리플 삭제 시의 점증적 추론을 수행하는 방법의 흐름도를 도시한다.
상기의 목적을 달성하기 위한 본 발명에 따른 트리플 저장 방법은
트리플에 추론 규칙을 적용하여 다른 트리플을 생성하는 추론 방법에 관련된 트리플을 저장하는 방법에 있어서,
(a) 추론에 관련된 트리플 및 추론 규칙들 각각에 일련번호를 부가하여 복수의 트리플 테이블 및 추론 규칙 테이블에 각각 저장하는 과정;
(b) 상기 트리플 및 추론 규칙을 적용하여 추론된 트리플에 대하여 추론에 관련된 트리플 및 추론 규칙의 일련번호를 사용하여 색인하는 과정;
(c) 물리적으로 여러 개의 트리플 저장 단위(테이블)에 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰를 생성하는 과정을 포함하는 것을 특징으로 한다.
여기서, 상기 색인 과정은
추론된 트리플의 일련번호를 색인의 키로 하고 추론에 사용된 추론규칙의 일련번호와 추론에 사용된 트리플들의 일련번호를 내용으로 하는 추론 의존성 역색인 테이블; 및
추론에 사용된 트리플의 일련번호를 색인의 키로 하고 추론된 트리플의 일련번호를 내용으로 하는 추론 의존성 순색인 테이블을 생성하는 것을 특징으로 한다.
상기 트리플 저장 방법은
(d) 트리플 삭제 시에 상기 색인과 상기 트리플 뷰를 이용하여 점증적 추론을 수행하는 과정을 더 포함하는 것이 바람직하다.
여기서, 상기 (d) 트리플 삭제 시의 점증적 추론을 수행하는 과정은
삭제 요구된 트리플을 트리플 테이블에서 삭제하는 과정;
삭제 요구된 트리플의 일련번호를 가지는 색인 내용들을 추론 의존성 순색인에서 검색하고, 삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가져온 후 검색된 색인 내용들을 추론 의존성 순색인에서 삭제하는 과정;
삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가지는 색인 내용들을 추론 의존성 역색인에서 검색하고, 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있는 색인 내용들을 추론 의존성 역색인에서 삭제하는 과정; 및
상기 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있지 않은 색인 내용이 없다면 삭제 요구된 트리플에 의존하여 추론된 트리플을 트리플 테이블에서 삭제하는 과정을 포함하는 것을 특징으로 한다.
상기의 다른 목적을 달성하기 위한 본 발명에 따른 추론 의존성 색인 장치는
트리플들과 추론규칙들에 일련번호를 붙여서 복수의 트리플 테이블 및 추론 규칙 테이블에 저장하는 트리플 및 규칙 일련번호 할당부;
명시적으로 존재하는 트리플들에 추론 규칙을 적용하여 새로운 트리플들을 유도하는 추론 수행부;
추론 검증과 점증적 추론을 지원하기 위해, 추론에 사용된 트리플과 추론 규칙, 추론을 통해 새롭게 추론된 트리플들 사이의 의존 관계를 색인하여 저장하는 추론 의존성 색인부; 및
상기 복수의 트리플 테이블에 물리적으로 분산되어 저장된 트리플들을 가상으로 하나의 저장 단위에 저장된 것처럼 접근할 수 있게 하는 트리플 뷰(view)를 생성하는 트리플 뷰 생성부; 를 포함하는 것을 특징으로 한다.
여기서, 상기 추론 의존성 색인부는
추론된 트리플의 일련번호를 색인의 키로 하고 추론에 사용된 추론규칙의 일련번호와 추론에 사용된 트리플들의 일련번호를 내용으로 하는 추론 의존성 역색인 테이블; 및
추론에 사용된 트리플의 일련번호를 색인의 키로 하고 추론된 트리플의 일련번호를 내용으로 하는 추론 의존성 순색인 테이블을 생성하는 것을 특징으로 한다.
또한, 상기 추론 의존성 색인부는 트리플 삭제 요구에 응답하여
삭제 요구된 트리플을 상기 트리플 테이블에서 삭제하고,
삭제 요구된 트리플의 일련번호를 가지는 색인 내용들을 상기 추론 의존성 순색인에서 검색하고, 삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가져온 후 검색된 색인 내용들을 상기 추론 의존성 순색인에서 삭제하고,
삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가지는 색인 내용들을 상기 추론 의존성 역색인에서 검색하고, 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있는 색인 내용들을 상기 추론 의존성 역색인에서 삭제하며, 그리고
상기 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있지 않은 색인 내용이 없다면 삭제 요구된 트리플에 의존하여 추론된 트리플을 상기 트리플 테이블에서 삭제하는 것을 특징으로 한다.
상기의 또 다른 목적을 달성하기 위한 본 발명에 따른 트리플 저장 장치는
트리플에 추론 규칙을 적용하여 다른 트리플을 생성하는 추론 장치에 관련된 트리플을 저장하는 장치에 있어서
각각에 일련번호가 부가된 트리플들을 저장하는 복수의 트리플 테이블;
각각에 일련번호가 부가된 추론 규칙들을 저장하는 추론 규칙 테이블;
트리플 및 추론 규칙을 적용하여 추론된 다른 트리플에 대하여 그것에 적용된 트리플 및 추론 규칙의 일련번호를 사용하여 색인된 결과를 저장하는 추론 의존성 역색인 테이블과 추론 의존성 순색인 테이블; 및
상기 복수의 트리플 테이블에 물리적으로 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰; 를 포함하는 것을 특징으로 한다.
상기의 또 다른 목적을 달성하는 본 발명에 따른 추론 의존성 검증 방법은
각각에 일련번호가 부가된 트리플들을 저장하는 복수의 트리플 테이블, 각각에 일련번호가 부가된 추론 규칙들을 저장하는 추론 규칙 테이블, 트리플 및 추론 규칙을 적용하여 추론된 다른 트리플에 대하여 그것에 적용된 트리플 및 추론 규칙의 일련번호를 사용하여 색인된 결과를 저장하는 추론 의존성 색인 테이블 그리고 상기 복수의 트리플 테이블에 물리적으로 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰를 포함하는 트리플 저장 장치로부터 추론된 트리플에 대한 추론 검증을 제공하는 방법에 있어서,
추론 검증이 요구된 추론된 트리플에 대한 일련번호를 획득하는 과정;
상기 추론된 트리플의 일련번호를 상기 추론 의존성 색인 테이블에서 검색하여 의존 관계에 있는 추론 규칙의 일련번호 및 트리플들의 일련번호들을 획득하는 과정;
상기 추론규칙 테이블에서 상기 추론 규칙의 일련번호에 상응하는 추론 규칙 정보를 획득하고, 상기 트리플 뷰에서 트리플들의 일련번호에 대한 트리플 정보들을 획득하는 과정; 및
상기 획득된 추론 규칙 정보와 트리플 정보들을 추론의 근거로서 제시하는 과정을 포함하는 것을 특징으로 한다.
여기서, 상기 추론 의존성 검증 방법은
상기 트리플 테이블에 기록된 트리플의 삭제 요구에 응답하여,
삭제 요구된 트리플을 상기 트리플 테이블에서 삭제하고,
삭제 요구된 트리플의 일련번호에 관련된 색인 내용들을 상기 추론 의존성 색인 테이블에서 삭제하고, 그리고
삭제 요구된 트리플에 의해서만 추론되는 트리플도 상기 트리플 테이블에서 삭제하는 과정을 더 구비하는 것을 특징으로 한다.
이하 첨부된 도면을 참조하여 본 발명의 구성 및 동작을 상세히 설명하기로 한다.
트리플(사실)은 일반적으로 도 1에 보인 세 가지 유형의 하나로 저장된다. 특히, 대용량의 온톨로지를 대상으로 실용적인 추론을 지원하기 위해서는 도 1의 수평 설계 혹은 혼합 설계 방식이 주로 사용되며, 또한 실용성을 고려하여 온톨로지에 명시적으로 존재하는 트리플뿐만 아니라 전방 추론에 의해 추론된 트리플까지 트리플 저장소에 저장하게 된다. 그러나 이와 같은 저장 구조만으로는 추론 검증과 점증적 추론을 지원하지 못한다.
추론이란 기존의 [트리플]에 [추론규칙]을 적용하여 새로운(추론된) [트리플]을 얻는 과정을 말한다. 본 발명은 추론 검증과 점증적 추론을 지원하기 위한 트리플 저장소의 기능으로서 추론으로 얻어지는 추론된 [트리플]과 추론에 사용된 기존의 [트리플] 및 [추론규칙] 사이의 의존 관계를 색인하여 저장한다.
도 2는 본 발명에 따른 추론 의존성 색인 장치의 구성을 도시한다. 도 2를 참조하면, 추론 의존성 색인 장치는 트리플 및 규칙 일련번호 할당부(100), 추론 수행부(200), 추론 의존성 색인부(300), 트리플 뷰 생성부(400)로 구성된다.
트리플 및 규칙 일련번호 할당부(100)는 각 트리플들과 추론규칙들에 일련번호를 붙여서 저장한다. 도 1에서 보인 수평 설계 혹은 혼합 설계 방식의 트리플 저장 구조에서는 각 트리플들이 유형별로 분산되어 저장되는데, 일련번호는 각 저장 단위(테이블) 내에서의 일련번호가 아닌, 전체 트리플 내에서의 일련번호로 할당되어야 한다. 즉, 도 3의 네 개의 트리플 테이블 (p(102), q(104), r(106), s(108))의 각 ID 컬럼에 전체 트리플 내에서의 일련번호가 할당되어 있음을 예시로 보이고 있다. 또한, 도 3의 추론규칙 테이블 (rule. 109)는 각 추론규칙들에도 추론규칙 내에서의 일련번호가 할당되었음을 예시로 보이고 있다. 각 트리플 테이블의 Flag 컬럼은 해당 트리플이 추론을 통해 얻어진 트리플인지 여부를 표시하기 위한 것으로, 트리플이 추론을 통해 얻어진 것이면 T(참)로 표시되고 그렇지 않으면 F(거짓)로 표시된다.
추론 수행부(200)는 명시적으로 존재하는 트리플들에 추론 규칙을 적용하여 새로운 트리플들을 유도한다. 추론된 트리플들 또한 재귀적으로 추론 규칙에 적용될 수 있다.
도 3에 있어서, 다음과 같은 관계가 성립되고 있는 것임을 알 수 있다.
1) [트리플4] <== [트리플1] + [트리플3] + [규칙1]
2) [트리플7] <== [트리플2] + [트리플4] + [규칙2]
3) [트리플7] <== [트리플5] + [트리플6] + [규칙3]
여기서, 화살표(<==)의 왼쪽은 추론된 트리플(추론의 결과)이며, 오른쪽은 추론의 결과에 대한 근거 정보인 트리플들과 추론규칙을 가리킨다. 도 3의 실선 화살표는 각 추론 규칙에 적용(입력)된 트리플들을 가리키며, 점선 화살표는 추론규칙이 적용된 결과로서 얻어지는 새로운 트리플 즉, 추론된 트리플을 가리킨다.
도 3에서 알 수 있듯이, 추론된 트리플(예를 들면, [트리플4])은 또 다른 추론(예를 들면, [규칙2]에 적용됨)을 위해 사용될 수 있다. 또한, 하나의 트리플은 여러 개의 추론 규칙에 적용될 수 있고, 서로 다른 추론 규칙을 통해 동일한 추론된 트리플이 얻어질 수도 있다(예를 들어, [트리플7]은 [규칙2]와 [규칙3] 각각을 통해 얻어질 수 있다).
[트리플]은 다른 말로 사실(fact)이라고도 표현되며 <주어, 술어, 목적어>로 구성된다. [추론규칙]은 [결론부] <== [조건부]로 구성되는데, [조건부]는 하나 이상의 [트리플 패턴]으로 구성되며, [결론부]는 하나의 [트리플 패턴]으로 구성된다. [트리플 패턴]은 트리플과 마찬가지로 <주어, 술어, 목적어>로 구성되지만, 주어와 술어, 목적어 각각이 상수가 아닌 변수일 수 있다. 여기서, [추론규칙]의 의미는, 사실들이 [조건부]의 트리플 패턴들에 적용될 수 있을 때 [결론부]에 해당하는 트리플이 새로운 사실로서 유도(추론)될 수 있음을 나타낸다.
추론 의존성 색인부(300)는 추론 검증과 점증적 추론을 지원하기 위해, 추론에 사용된 트리플과 추론 규칙, 추론을 통해 새롭게 추론된 트리플들 사이의 의존 관계를 색인하여 저장한다.
도 4는 도 3의 트리플들과 추론규칙들을 사용하여 생성한 추론 의존성 색인 테이블의 예시를 도시한다. 추론 의존성 색인 테이블은 두 가지로 나눠지는데, 먼저, 추론 검증을 위해서는 추론된 결과 트리플이 어떠한 근거 트리플들과 추론 규칙으로부터 유도되었는지를 쉽게 검색할 수 있도록 추론 의존성 역색인 테이블 (Backward Dependency Indexing table)(301)을 생성한다.
즉, 추론된 트리플 ID(InferredTripleID)를 색인의 키로 하고 이 추론에 사용된 추론 규칙 ID(RuleID)와 각 트리플 ID들(TripleID1, TripleID2, ..., TripleIDn)를 내용으로 하여 색인하고 저장한다. 다시 말해, 추론된 트리플 번호별로 이 추론에 사용된 규칙번호와 트리플 번호들을 바로 얻을 수 있는 구조로 저장한다. 이는 일반적인 정보검색에서 검색어가 나타나는 문서를 빨리 찾을 수 있도록, 검색어별로 그 검색어가 나타난 문서번호들을 색인하는 구조와 유사하다.
다음으로, 트리플 삭제 시의 점증적 추론을 위해서는 삭제된 트리플로부터 어떤 트리플들이 추론되었는지를 쉽게 검색할 수 있도록 추론 의존성 순색인 테이블(Forward Dependency Indexing table)(303)을 생성한다. 즉, 추론에 사용된 트리플ID (TripleID)를 색인의 키로 하고 이 추론에 의해 생성된 트리플ID (InferredTripleID)를 내용으로 하여 색인하고 저장한다.
도 3의 트리플들과 추론규칙들을 예로 들어 설명하자면, [트리플1]과 [트리플3]을 [규칙1]에 적용하여 [트리플4]가 추론되었음은 추론 의존성 역색인 테이블(301)의 첫 번째 행으로 표현되며, 또한, 추론 의존성 순색인 테이블(303)의 첫 번째와 세 번째 행으로 표현된다.
도 3의 추론 의존성 역색인 테이블(301)은 하나의 추론 규칙에 사용되는 트리플이 두 개 이하인 경우만을 가정하여 TripleID1과 TripleID2처럼 두 개의 컬럼으로 표현하였지만, n개 이하의 트리플이 적용될 수 있는 경우, TripleID1, TripleID2, ..., TripleIDn과 같이 확장될 수 있다.
트리플 뷰 생성부(400)는 여러 개의 저장 단위(테이블)에 물리적으로 분산되어 저장된 트리플들을 가상으로 하나의 저장 단위에 저장된 것처럼 접근할 수 있도록 전체 트리플에 대한 뷰 (예를 들어, DBMS의 뷰(view))를 생성한다.
도 1의 수평 설계와 혼합 설계의 경우처럼 트리플이 여러 저장 단위(테이블)에 분산되어 저장될 경우, 트리플ID가 주어질 때, 이 트리플에 대한 실제 내용(<주어, 술어, 목적어>)을 알아내기 위해서는 어느 저장단위(테이블)에 저장되었는지를 알고 있어야 하지만, 트리플 뷰를 사용하면 어느 저장단위(테이블)인지에 상관없이 접근할 수 있게 된다.
도 5는 도 3의 트리플 저장 단위(테이블)들에 대한 트리플 뷰를 생성한 예시를 도시한다. 즉, triple_view(410)는 4개의 트리플 저장 단위(테이블) p테이블(402), q테이블(404), r테이블(406), s테이블(408)을 마치 하나의 물리적인 저장 단위(테이블)인 것처럼 접근할 수 있도록 한 가상의 저장 단위(테이블)인 트리플 뷰(예를 들면, DBMS의 view)이다. 이 트리플 뷰는 모든 트리플들을 접근할 수 있도록 주어(Subject), 술어(Predicate), 목적어(Object) 컬럼을 모두 갖는다.
p테이블(402)은 트리플 저장 단위(테이블) 이름이 술어(Predicate)에 해당하기 때문에 트리플 뷰를 통해 접근할 때는 Predicate 컬럼의 값은 저장 단위(테이블) 이름인 p로 지정된다. 이와 마찬가지로, q테이블(404)을 트리플 뷰를 통해 접근할 때는 Predicate 컬럼의 값은 저장 단위(테이블) 이름인 q로 지정된다. r테이불(406)과 s테이블(408)은 각 클래스의 인스턴스들을 저장하기 위한 것으로 저장 단위(테이블)의 이름이 클래스 이름으로서 목적어(Object)에 해당하며 술어(Predicate)는 rdf:type이기 때문에, r테이블(406)을 트리플 뷰를 통해 접근할 때는 Predicate 컬럼의 값은 rdf:type으로 지정되고 Object 컬럼의 값은 저장 단위(테이블) 이름인 r로 지정되며, s테이블(408)을 트리플 뷰를 통해 접근할 때는 Predicate 컬럼의 값은 rdf:type으로 지정되고 Object 컬럼의 값은 저장 단위(테이블) 이름인 s로 지정된다.
추론 검증은 추론된 [트리플(사실)]에 대한 근거를 제공하는 것이며, 트리플 삭제 시의 점증적 추론은 삭제된 트리플에 의해 추론된 트리플들을 재귀적으로 추적하면서 삭제하는 것을 의미한다. 본 발명에서는 추론 검증과 삭제 시의 점증적 추론을 위해 추론된 [트리플]과 추론에 사용된 [트리플] 및 [추론규칙] 사이의 의존 관계를 색인하는 방법을 제시한다.
도 6은 본 발명에 따른 트리플 저장 방법의 흐름도를 도시한다. 도 6을 참조하면, 추론 의존성 색인을 위해, 우선, 전체 트리플들 각각에 유일한 일련번호(ID)를 부여하고(S501), 추론규칙들 각각에도 유일한 일련번호(ID)를 부여한다(S503). 트리플들이 유형별로 분산되어 저장될 경우에도, 일련번호를 전체 트리플을 대상으로 유일하게 부여한다.
다음으로, 각 추론규칙들을 트리플에 적용하여 새로운 트리플을 추론하는 추론 과정을 수행한다(S505). 여기서 얻어지는 추론된 트리플들에 대해서도 트리플의 일련번호(ID)를 부여한다.
다음으로, 추론에 사용된 트리플들과 추론규칙, 추론을 통해 얻어진 트리플 사이의 의존 관계를 색인한다(S507). 이 색인 과정은 두 가지로 구분되는데, 하나는 추론된 트리플의 일련번호(InferredTripleID)를 색인의 키로 하고 추론에 사용된 추론규칙의 일련번호(RuleID)와 추론에 사용된 트리플들의 일련번호(TripleID1, TripleID2, ..., TripleIDn)를 내용으로 하는 추론 의존성 역색인 (Backward Dependency Indexing)이며, 다른 하나는 추론에 사용된 트리플의 일련번호(TripleID)를 색인의 키로 하고 추론된 트리플의 일련번호(InferredTripleID)를 내용으로 하는 추론 의존성 순색인 (Forward Dependency Indexing)이다.
마지막으로, 트리플들이 유형별로 여러 저장 단위(테이블)에 분산되어 저장된 경우, 전체 트리플들을 저장 단위(테이블) 구분에 상관없이 접근할 수 있도록 하는 가상의 트리플 뷰(예를 들면, DBMS view)를 생성한다(S509).
추론 의존성 역색인과 추론 의존성 순색인, 트리플 뷰를 이용하여 추론 검증과 트리플 삭제 시의 점증적 추론을 수행하는 방법은 각각 도 7과 도 8에 도시한다.
도 7을 참조하면, 사용자가 추론 검증을 요구하는 추론된 트리플이 주어질 때, 우선, 이 트리플에 대한 일련번호를 획득한다(S601). 다음으로, 이 일련번호를 추론 의존성 역색인에서 검색하여 의존 관계에 있는 추론규칙 번호와 트리플 번호들을 획득한다(S603).
다음으로, 추론규칙 테이블에서는 추론규칙 정보를 획득하고(S605), 트리플 뷰(triple_view)에서는 각 트리플 번호에 대한 트리플 정보(주어, 술어, 목적어, Flag)를 획득한다(S607). 이때, 각 트리플 정보에 대해 Flag의 값이 T(참)이면(S609), 이 트리플 역시 또 다른 추론규칙과 트리플들에 의해 추론된 것이므로, 추론 의존성 역색인을 검색하는 단계(S603)로 재귀한다. Flag의 값이 T(참)가 아니면, 앞서 얻은 추론규칙 정보와 트리플 정보를 추론의 근거로서 사용자에게 제시한다(S611).
도 4의 경우를 예로 들어 설명하면, [트리플7]의 추론 근거로서 [규칙2]와 [트리플2], [트리플4]를 제시할 수 있는데, [트리플4] 역시 추론된 사실이므로 이에 대한 추론 근거 역시 제시되어야 한다. 완전한 추론 검증을 위해서는 순수한 사실들과 여기에 적용된 추론 규칙들을 근거로 제시할 수 있어야 하는데, 도 4의 추론 의존성 역색인 테이블(301)을 이용하면, 추론 의존성을 재귀적으로 탐색함으로써 순수한 사실들과 추론 규칙들을 얻는 것이 가능하다. 즉, [트리플7]에 대한 근거 정보는 [규칙2] + [트리플2] + ([규칙1] + [트리플1] + [트리플3])이 된다.
하나의 추론된 [트리플]은 두 가지 이상의 (트리플들 + 추론규칙) 세트로부터 얻어질 수도 있다. 도 4의 경우를 예로 들어 설명하면, 추론 의존성 역색인 테이블(301)에는 [트리플7]이 추론된 트리플 번호로서 두 번(각각 두 번째 행과 세 번째 행)에 걸쳐 나타난다.
이와 같이 추론 의존성 역색인 테이블(301)은 하나의 추론된 트리플 번호가 두 번 이상 색인될 수 있으며, 추론 검증을 위한 추론 의존성 역색인 테이블(301)을 탐색할 때(S603)에 다중의 탐색 결과를 얻는 것이 가능하다. 즉, [트리플7]에 대한 근거 정보로서 바로 위에서 예로 설명한 [규칙2] + [트리플2] + ([규칙1] + [트리플1] + [트리플3]와 함께 [규칙3] + [트리플5] + [트리플6]도 제시된다.
트리플 삭제 시의 점증적 추론을 수행하는 방법에 대한 설명으로, 도 8을 참조하면, 삭제될 트리플이 주어질 때, 우선 이 트리플에 대한 일련번호를 가져온 후, 이 트리플을 트리플 저장소에서 삭제한다(S701).
다음으로, 이 일련번호를 추론 의존성 순색인에서 검색하여 삭제된 트리플에 의존하여 추론된 트리플들의 일련번호들을 모두 가져온 후, 추론 의존성 순색인에서는 삭제한다(S703). 각각의 추론된 트리플 일련번호들을 이번에는 추론 의존성 역색인에서 검색하여 이 추론된 트리플들이 의존하고 있는 트리플들의 일련번호를 가져온 후, 삭제된 트리플의 일련번호가 포함되어 있는 검색 결과들에 대해서는 추론 의존성 역색인에서 삭제한다(S705).
만약, 검색 결과 중에 삭제되지 않은 것(즉, 삭제된 트리플에 의존하지 않고 추론된 경우)이 존재하지 않으면(S707), 추론된 트리플은 삭제된 트리플에 의해서만 추론될 수 있으며 이 트리플 삭제로 인해 더 이상 유효하지 않으므로, 이 추론된 트리플 역시 삭제할 트리플로 설정하여 트리플 뷰(triple_view)를 통해 이 추론된 트리플 번호에 해당하는 트리플을 트리플 저장소에서 삭제(S709)하고 추론 의존성 순색인을 검색하는 단계(S703)로 재귀한다.
만약, 검색 결과 중에 삭제되지 않은 것이 존재하면(S707), 이 추론된 트리플은 또 다른 트리플에 의해서 추론될 수 있어서 계속 유효하므로 삭제되지 않는다.
이를 도 3 및 도 4를 참조하며 설명하면 다음과 같다.
먼저, 일련번호 "1"을 가지는 트리플을 삭제하는 경우를 설명한다. 일련번호 "1"을 가지는 트리플의 삭제 요구에 응답하여 먼저, p테이블(102)에서 첫 번째 행이 삭제된다.
다음으로, 추론 의존성 순색인에서 일련번호 "1"을 키로 검색하고, 검색된 색인내용(여기서는 행(raw))을 삭제한다. 그 결과 도 4에 도시되는 추론 의존성 순색인에서 첫 번째 행이 삭제된다. 이때, 삭제 요구된 트리플에 의존하여 추론된 트리플의 일련번호 "4"가 얻어진다.
다음으로, 추론된 트리플의 일련번호 "4"를 키로 하여 추론 의존성 역색인을 검색하여, 검색 결과 중에서 삭제 요구된 트리플을 가지는 색인 내용이 삭제된다. 그 결과 도 4에 도시된 추론 의존성 역색인에서 첫 번째 행이 삭제된다.
한편, 추론 의존성 역색인에서 삭제 요구된 트리플 "1"이 포함되지 않은 다른 행들이 없으므로, 추론된 트리플 "4"는 삭제 요구된 트리플 "1"에 의해서만 추론되는 것이 된다. 이에 따라 삭제 요구된 트리플 "1"이 삭제되면서 자동적으로 그에 의해서만 추론되는 트리플 "4"도 삭제된다.
다음으로, 일련번호 "2"를 가지는 트리플을 삭제하는 경우를 설명한다. 일련번호 "2"를 가지는 트리플의 삭제 요구에 응답하여 먼저 q테이블(104)에서 첫 번째 행이 삭제된다.
다음으로, 추론 의존성 순색인에서 삭제 요구된 트리플의 일련번호 "2"를 키로 검색하고, 검색된 색인 내용들을 삭제한다. 그 결과 도 4에 도시되는 추론 의존성 순색인에서 두 번째 행이 삭제된다. 이때, 삭제 요구된 트리플 "2"에 의존하여 추론된 트리플의 일련번호 "7"이 얻어진다.
다음으로, 추론된 트리플의 일련번호 "7"을 키로 하여 추론 의존성 역색인을 검색하여, 검색 결과 중에서 삭제 요구된 트리플 "2"를 가지는 색인 내용이 삭제된다. 그 결과 도 4에 도시된 추론 의존성 역색인에서 두 번째 행이 삭제된다.
한편, 추론 의존성 역색인에서 삭제 요구된 트리플 "2"를 포함하지 않는 다른 색인 내용(세 번째 행)이 있으므로, 추론된 트리플 "7"은 삭제 요구된 트리플 "2"이외에도 다른 트리플들에 의해 추론가능한 것이 된다. 이에 따라 삭제 요구된 트리플 "2"가 삭제되더라도 트리플 "2"에 의해 추론된 트리플 "7"은 삭제되면 안된다.
본 발명은 추론된 사실에 대하여 적용된 사실 및 추론 규칙의 일련번호를 사용하여 색인하여 저장해 두고 이용자의 요청시 추론의 근거로서 제시함으로써 추론의 신뢰성을 제고시킬 수 있다.

Claims (10)

  1. 트리플에 추론 규칙을 적용하여 다른 트리플을 생성하는 추론 방법에 관련된 트리플을 저장하는 방법에 있어서,
    (a) 추론에 관련된 트리플 및 추론 규칙들 각각에 일련번호를 부가하여 복수의 트리플 테이블 및 추론 규칙 테이블에 각각 저장하는 과정;
    (b) 상기 트리플 및 추론 규칙을 적용하여 추론된 트리플에 대하여 추론에 관련된 트리플 및 추론 규칙의 일련번호를 사용하여 색인하는 과정;
    (c) 물리적으로 여러 개의 트리플 저장 단위(테이블)에 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰를 생성하는 과정을 포함하는 트리플 저장 방법.
  2. 제1항에 있어서, 상기 색인 과정은
    추론된 트리플의 일련번호를 색인의 키로 하고 추론에 사용된 추론규칙의 일련번호와 추론에 사용된 트리플들의 일련번호를 내용으로 하는 추론 의존성 역색인 테이블; 및
    추론에 사용된 트리플의 일련번호를 색인의 키로 하고 추론된 트리플의 일련번호를 내용으로 하는 추론 의존성 순색인 테이블을 생성하는 것을 특징으로 하는 추론 의존성 색인 장치.
  3. 제2항에 있어서,
    (d) 트리플 삭제 시에 상기 색인과 상기 트리플 뷰를 이용하여 점증적 추론을 수행하는 과정을 더 포함하는 것을 특징으로 하는 트리플 저장 방법
  4. 제3항에 있어서, 상기 (d) 트리플 삭제 시의 점증적 추론을 수행하는 과정은
    삭제 요구된 트리플을 트리플 테이블에서 삭제하는 과정;
    삭제 요구된 트리플의 일련번호를 가지는 색인 내용들을 추론 의존성 순색인에서 검색하고, 삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가져온 후 검색된 색인 내용들을 추론 의존성 순색인에서 삭제하는 과정;
    삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가지는 색인 내용들을 추론 의존성 역색인에서 검색하고, 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있는 색인 내용들을 추론 의존성 역색인에서 삭제하는 과정; 및
    상기 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있지 않은 색인 내용이 없다면 삭제 요구된 트리플에 의존하여 추론된 트리플을 트리플 테이블에서 삭제하는 과정을 포함하는 것을 특징으로 하는 트리플 저장 방법.
  5. 트리플들과 추론규칙들에 일련번호를 붙여서 복수의 트리플 테이블 및 추론 규칙 테이블에 저장하는 트리플 및 규칙 일련번호 할당부;
    명시적으로 존재하는 트리플들에 추론 규칙을 적용하여 새로운 트리플들을 유도하는 추론 수행부;
    추론 검증과 점증적 추론을 지원하기 위해, 추론에 사용된 트리플과 추론 규칙, 추론을 통해 새롭게 추론된 트리플들 사이의 의존 관계를 색인하여 저장하는 추론 의존성 색인부; 및
    상기 복수의 트리플 테이블에 물리적으로 분산되어 저장된 트리플들을 가상으로 하나의 저장 단위에 저장된 것처럼 접근할 수 있게 하는 트리플 뷰(view)를 생성하는 트리플 뷰 생성부; 를 포함하는 추론 의존성 색인 장치.
  6. 제5항에 있어서, 상기 추론 의존성 색인부는
    추론된 트리플의 일련번호를 색인의 키로 하고 추론에 사용된 추론규칙의 일련번호와 추론에 사용된 트리플들의 일련번호를 내용으로 하는 추론 의존성 역색인 테이블; 및
    추론에 사용된 트리플의 일련번호를 색인의 키로 하고 추론된 트리플의 일련번호를 내용으로 하는 추론 의존성 순색인 테이블을 생성하는 것을 특징으로 하는 추론 의존성 색인 장치.
  7. 제6항에 있어서, 상기 추론 의존성 색인부는 트리플 삭제 요구에 응답하여
    삭제 요구된 트리플을 상기 트리플 테이블에서 삭제하고,
    삭제 요구된 트리플의 일련번호를 가지는 색인 내용들을 상기 추론 의존성 순색인에서 검색하고, 삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가져온 후 검색된 색인 내용들을 상기 추론 의존성 순색인에서 삭제하고,
    삭제 요구된 트리플에 의존하여 추론된 트리플들의 일련번호들을 가지는 색인 내용들을 상기 추론 의존성 역색인에서 검색하고, 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있는 색인 내용들을 상기 추론 의존성 역색인에서 삭제하며, 그리고
    상기 검색된 색인 내용들 중에서 삭제된 트리플의 일련번호가 포함되어 있지 않은 색인 내용이 없다면 삭제 요구된 트리플에 의존하여 추론된 트리플을 상기 트리플 테이블에서 삭제하는 것을 특징으로 하는 추론 의존성 색인 장치.
  8. 트리플에 추론 규칙을 적용하여 다른 트리플을 생성하는 추론 장치에 관련된 트리플을 저장하는 장치에 있어서,
    각각에 일련번호가 부가된 트리플들을 저장하는 복수의 트리플 테이블;
    각각에 일련번호가 부가된 추론 규칙들을 저장하는 추론 규칙 테이블;
    트리플 및 추론 규칙을 적용하여 추론된 다른 트리플에 대하여 그것에 적용된 트리플 및 추론 규칙의 일련번호를 사용하여 색인된 결과를 저장하는 추론 의존성 역색인 테이블과 추론 의존성 순색인 테이블; 및
    상기 복수의 트리플 테이블에 물리적으로 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰; 를 포함하는 트리플 저장 장치.
  9. 각각에 일련번호가 부가된 트리플들을 저장하는 복수의 트리플 테이블, 각각에 일련번호가 부가된 추론 규칙들을 저장하는 추론 규칙 테이블, 트리플 및 추론 규칙을 적용하여 추론된 다른 트리플에 대하여 그것에 적용된 트리플 및 추론 규칙의 일련번호를 사용하여 색인된 결과를 저장하는 추론 의존성 색인 테이블 그리고 상기 복수의 트리플 테이블에 물리적으로 분산되어 저장되는 트리플들을 가상의 하나의 저장 단위(테이블)인 것처럼 접근할 수 있게 하는 트리플 뷰를 포함하는 트리플 저장 장치로부터 추론된 트리플에 대한 추론 검증을 제공하는 방법에 있어서,
    추론 검증이 요구된 추론된 트리플에 대한 일련번호를 획득하는 과정;
    상기 추론된 트리플의 일련번호를 상기 추론 의존성 색인 테이블에서 검색하여 의존 관계에 있는 추론 규칙의 일련번호 및 트리플들의 일련번호들을 획득하는 과정;
    상기 추론규칙 테이블에서 상기 추론 규칙의 일련번호에 상응하는 추론 규칙 정보를 획득하고, 상기 트리플 뷰에서 트리플들의 일련번호에 대한 트리플 정보들을 획득하는 과정; 및
    상기 획득된 추론 규칙 정보와 트리플 정보들을 추론의 근거로서 제시하는 과정을 포함하는 추론 의존성 검증 방법.
  10. 제9항에 있어서,
    상기 트리플 테이블에 기록된 트리플의 삭제 요구에 응답하여,
    삭제 요구된 트리플을 상기 트리플 테이블에서 삭제하고,
    삭제 요구된 트리플의 일련번호에 관련된 색인 내용들을 상기 추론 의존성 색인 테이블에서 삭제하고, 그리고
    삭제 요구된 트리플에 의해서만 추론되는 트리플도 상기 트리플 테이블에서 삭제하는 과정을 더 구비하는 것을 특징으로 하는 추론 의존성 검증 방법.
PCT/KR2010/007769 2010-11-02 2010-11-04 추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치 WO2012060490A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US13/510,990 US8688612B2 (en) 2010-11-02 2010-11-04 Method and device for saving triple for verifying reason and incremental reasoning, and method and device for reason-dependent indexing appropriate for same
JP2012541933A JP5352935B2 (ja) 2010-11-02 2010-11-04 推論検証及び漸増的な推論のためのトリプルの格納方法及び装置、並びにこれらに適した推論依存性索引装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2010-0108381 2010-11-02
KR1020100108381A KR101133993B1 (ko) 2010-11-02 2010-11-02 추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치

Publications (1)

Publication Number Publication Date
WO2012060490A1 true WO2012060490A1 (ko) 2012-05-10

Family

ID=46024598

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2010/007769 WO2012060490A1 (ko) 2010-11-02 2010-11-04 추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치

Country Status (4)

Country Link
US (1) US8688612B2 (ko)
JP (1) JP5352935B2 (ko)
KR (1) KR101133993B1 (ko)
WO (1) WO2012060490A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3369009A1 (en) * 2015-10-30 2018-09-05 Convida Wireless, LLC Restful operations for semantic iot
JP6721036B2 (ja) * 2016-03-15 2020-07-08 日本電気株式会社 推論システム、推論方法、及び、プログラム
KR20180058981A (ko) * 2016-11-25 2018-06-04 (주) 다이퀘스트 시맨틱 웹 기반의 스키마 정합성과 인스턴스 유효성 검증 방법 및 장치
US11544295B2 (en) * 2018-08-23 2023-01-03 National Institute For Materials Science Search system and search method for finding new relationships between material property parameters
US11468342B2 (en) * 2018-09-14 2022-10-11 Jpmorgan Chase Bank, N.A. Systems and methods for generating and using knowledge graphs
US10482384B1 (en) 2018-11-16 2019-11-19 Babylon Partners Limited System for extracting semantic triples for building a knowledge base
US20210073655A1 (en) * 2019-09-11 2021-03-11 Sap Se Rule mining for rule and logic statement development

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100040024A (ko) * 2008-10-09 2010-04-19 주식회사 케이티 시맨틱 색인 처리 장치 및 그 방법과 이를 이용한 대용량 시맨틱 레파지토리 시스템
KR20100068983A (ko) * 2008-12-15 2010-06-24 한국과학기술정보연구원 Ｄｂｍｓ 기반의 ｒｄｆ 트리플 저장부에서의 뷰를 이용한 효율적인 추론 시스템 및 방법
KR20100068981A (ko) * 2008-12-15 2010-06-24 한국과학기술정보연구원 메모리 및 ＤＢＭＳ 기반의 하이브리드 Ｒｅｔｅ 추론 시스템 및 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8719250B2 (en) * 2005-04-18 2014-05-06 Oracle International Corporation Integrating RDF data into a relational database system
JP5056384B2 (ja) * 2006-12-21 2012-10-24 富士通株式会社 検索プログラム、方法及び装置
EP1973053A1 (en) * 2007-03-19 2008-09-24 British Telecommunications Public Limited Company Multiple user access to data triples
US20080288442A1 (en) * 2007-05-14 2008-11-20 International Business Machines Corporation Ontology Based Text Indexing
US8078646B2 (en) * 2008-08-08 2011-12-13 Oracle International Corporation Representing and manipulating RDF data in a relational database management system
US8401991B2 (en) * 2008-08-08 2013-03-19 Oracle International Corporation Database-based inference engine for RDFS/OWL constructs
US8250106B2 (en) * 2009-11-18 2012-08-21 Oracle International Corporation Incremental inference

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100040024A (ko) * 2008-10-09 2010-04-19 주식회사 케이티 시맨틱 색인 처리 장치 및 그 방법과 이를 이용한 대용량 시맨틱 레파지토리 시스템
KR20100068983A (ko) * 2008-12-15 2010-06-24 한국과학기술정보연구원 Ｄｂｍｓ 기반의 ｒｄｆ 트리플 저장부에서의 뷰를 이용한 효율적인 추론 시스템 및 방법
KR20100068981A (ko) * 2008-12-15 2010-06-24 한국과학기술정보연구원 메모리 및 ＤＢＭＳ 기반의 하이브리드 Ｒｅｔｅ 추론 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SEUNGWOO LEE ET AL.: "Efficient Reasoning Using View in DBMS-based Triple Store", THE KOREA CONTENTS ANNUAL SPRING CONFERENCE, 2009 *

Also Published As

Publication number Publication date
JP5352935B2 (ja) 2013-11-27
KR101133993B1 (ko) 2012-04-09
JP2013511788A (ja) 2013-04-04
US8688612B2 (en) 2014-04-01
US20130212057A1 (en) 2013-08-15

Similar Documents

Publication Publication Date Title
WO2012060490A1 (ko) 추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치
Keller Algorithms for translating view updates to database updates for views involving selections, projections, and joins
WO2015056939A1 (ko) 데이터베이스에서 암호화된 필드에 대한 색인 생성 방법 및 장치
WO2014189190A1 (ko) 데이터 부재 태깅 기반의 정보 검색 시스템 및 방법
WO2018124495A1 (ko) 불법 콘텐츠 검색 시스템 및 그 방법
WO2015196711A1 (zh) 一种资源传播跟踪方法、装置及系统
WO2021049706A1 (ko) 앙상블 질의 응답을 위한 시스템 및 방법
WO2011065613A1 (ko) 규칙 추론기 및 이를 포함하는 와일드 패턴 규칙의 동적인 구체화 방법
WO2018182060A1 (ko) 관계형 데이터베이스 기반의 텍스트 로그데이터 저장 및 검색 방법
WO2011162444A1 (ko) 온톨로지 스키마와 결합된 개체명 사전 및 마이닝 규칙을 이용한 개체명 사전 또는 마이닝 규칙 데이터베이스 갱신 장치 및 방법
WO2018090535A1 (zh) 累加检索处理方法和装置、终端和存储介质
WO2013008978A1 (ko) 개체 식별 결과 검색 시스템 및 방법
WO2022114368A1 (ko) 뉴로 심볼릭 기반 릴레이션 임베딩을 통한 지식완성 방법 및 장치
WO2022107994A1 (ko) 빅데이터 증강분석 프로파일링 시스템
JP3566478B2 (ja) 文書セキュリティ管理システム、文書セキュリティ管理方法および文書検索装置
WO2024075927A1 (en) Meta-searching method and apparatus
WO2016093406A1 (en) Clinical knowledge validation system and method based on case base reasoning
WO2021187682A1 (ko) 클라우드 컴퓨팅 환경에서 분산 테이블 구조를 활용한 owl-horst 온톨로지 추론 방법 및 장치
WO2014148664A1 (ko) 단어의 의미를 기반으로 하는 다국어 검색 시스템, 다국어 검색 방법 및 이를 이용한 이미지 검색 시스템
WO2020242086A1 (ko) 다중 지식의 비교 우위를 추론하는 서버, 방법 및 컴퓨터 프로그램
Akavipat et al. Small world peer networks in distributed Web search
Rocha Talkmine and the adaptive recommendation project
WO2022145503A1 (ko) 시맨틱 레스트 에이피아이 제공 방법
WO2013008979A1 (ko) 다중 온톨로지를 이용한 개체식별장치 및 방법
WO2020209498A1 (ko) 특허 검색 방법 및 장치

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 13510990

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2012541933

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10859293

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10859293

Country of ref document: EP

Kind code of ref document: A1