한글내용
(Korean Abstract) |
최근 공유 및 연계를 통한 정보의 가치 증대의 중요성이 부각되고 있지만 온톨로지 연계를 위해 필수적인 개체 식별 서비스의 정확성은 기대에 못 미치고 있다. 특히 기관 개체 식별에 가장 적합한 속성을 선별하는 것은 다양한 이형표기와 다수의 속성 때문에 더욱 복잡하며 긴 시간이 소요된다. 본 연구에서는 대량의 실제 기관 정보를 대상으로 다중 온톨로지의 개체-속성의 관계를 이용하여 개체의 속성과 계층 구조를 시각화하여 자동 온톨로지 생성이나 온톨로지 통합에 주로 활용되고 있는 수학적 이론 기반의 형식개념분석 기법을 적용하여 기관 개체 식별에 가장 적합한 속성을 선정한다. Wikipedia에서 수집한 2,186개의 기관명으로 약 16만개의 Triple 정보를 수집하여 분석에 사용하여 기관 개체 식별에 가장 적합한 속성이 Homepage, Label, Wiki 속성의 조합임을 도출하였다. 대량 정보를 대상으로 체계적인 방법을 적용하여 선정된 개체 식별 속성은 향후 다양한 개체 식별 연구의 기반이 될 것으로 기대된다.
|
