KR100815563B1

KR100815563B1 - Ｄｂｍｓ 기반 지식 확장 및 추론 서비스 시스템 및 그방법

Info

Publication number: KR100815563B1
Application number: KR1020060081785A
Authority: KR
Inventors: 정한민; 강인수; 김평; 이승우; 이미경; 성원경; 박동인
Original assignee: 한국과학기술정보연구원
Priority date: 2006-08-28
Filing date: 2006-08-28
Publication date: 2008-03-20
Anticipated expiration: 2026-08-28
Also published as: US8037008B2; KR20080019439A; EP2057562A1; WO2008026794A1; US20100049763A1; EP2057562A4

Abstract

본 발명은 DBMS 기반 지식 확장 및 추론 서비스 시스템 및 그 방법을 제공하기 위한 것으로, 온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 지식 생성부와; 지식 생성부에서 생성된 지식을 입력받고, 지식 확장 규칙을 이용하여 지식을 확장하는 지식 확장 처리부; 및 지식 확장 처리부에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의를 처리하여 추론 서비스를 제공하는 추론 서비스 제공부;를 포함하여 구성함으로서, 온톨로지를 이용하여 지식을 생성하고, 확장 규칙을 이용하여 지식을 확장하고, 질의 처리를 통해 추론 서비스를 제공하여 시맨틱 웹 기술을 활용하고 추론 서비스를 제공할 필요가 있는 전 분야에 걸쳐서 안정적이고 효율적인 프레임워크를 제시함으로써 시맨틱 웹 서비스의 상용화를 가능하게 할 수 있게 되는 것이다.

DBMS, 온톨로지, 지식 확장, 추론 서비스, RDF 트리플

Description

ＤＢＭＳ 기반 지식 확장 및 추론 서비스 시스템 및 그 방법{System and method for knowledge extension and inference service based on DBMS}

도 1은 본 발명의 일 실시예에 의한 DBMS 기반 지식 확장 및 추론 서비스 시스템의 블록구성도이다.

도 2는 본 발명의 일 실시예에 의한 DBMS 기반 지식 확장 및 추론 서비스 방법을 보인 흐름도이다.

도 3은 도 1 또는 도 2에서 정보 흐름 순서를 보인 개념도이다.

도 4는 도 1 또는 도 2에서 온톨로지 스키마와 RDF/XML 파서에 의한 파싱 결과의 일 예를 보인 도면이다.

도 5는 도 1 또는 도 2에서 DB-트리플 변환 규칙 생성의 일 예를 보인 도면이다.

도 6은 도 1 또는 도 2에서 DB-트리플 변환에 의해 생성되는 인스턴스 트리플의 일 예를 보인 도면이다.

도 7은 도 1 또는 도 2에서 지식 확장 규칙 생성에 의해 생성된 스키마 기반 확장 규칙의 일 예를 보인 도면이다.

도 8은 도 1 또는 도 2에서 사용자정의 확장 규칙의 일 예를 보인 도면이다.

도 9는 도 1 또는 도 2에서 사용자질의와 질의 변환에 의해 변환된 변환질의의 일 예를 보인 도면이다.

도 10은 도 1 또는 도 2에서 SQL로 DBMS 기반 확장 트리플에 문의하여 얻어진 질의결과의 일 예를 보인 도면이다.

도 11은 도 1 또는 도 2에서 질의결과를 정렬하고 필터링하는 등의 가공에 의해 생성된 후 처리결과의 일 예를 보인 도면이다.

도 12는 도 1 또는 도 2에서 URI 서버를 참조하고 후 처리결과를 이용하여 사용자 인터페이스에서 정의된 형태의 API로 출력하는 추론결과의 일 예를 보인 도면이다.

* 도면의 주요 부분에 대한 부호의 설명 *

10 : 지식 생성부 11 : RDF/XML 파서

12 : 스키마-트리플 변환부 13 : DB-트리플 변환 규칙 생성부

14 : DB-트리플 변환부 20 : 지식 확장 처리부

21 : 지식 확장 규칙 생성부 22 : 지식 확장부

23 : 추가 지식 확장부 30 : 추론 서비스 제공부

31 : 질의 변환부 32 : 캐시 관리부

33 : 질의 처리부 34 : 후 처리부

35 : 결과 제시부

본 발명은 DBMS(DataBase Management System, 데이터베이스 관리 시스템) 기반 지식 확장 및 추론 서비스에 관한 것으로, 특히 온톨로지를 이용하여 지식을 생성하고, 확장 규칙을 이용하여 지식을 확장하고, 질의 처리를 통해 추론 서비스를 제공하여 시맨틱 웹 기술을 활용하고 추론 서비스를 제공할 필요가 있는 전 분야에 걸쳐서 안정적이고 효율적인 프레임워크를 제시함으로써 시맨틱 웹 서비스의 상용화를 가능하게 하기에 적당하도록 한 DBMS 기반 지식 확장 및 추론 서비스 시스템 및 그 방법에 관한 것이다.

일반적으로 웹(Web)이 사용자에게 보여주는 것만을 위주로 활용되던 시대에서 사용자의 소프트웨어가 결과를 받아서 많은 일을 자동으로 처리할 수 있는 시대로 변화하고 있다. 웹서비스 기술을 현재 웹에서 이뤄지고 있는 전자상거래나 정보검색 같은 다양한 서비스들에 적용하면 지금까지 자동적으로 처리하지 못하던 많은 부분을 자동화함으로써 사용자의 편리성뿐만 아니라 정보시스템의 생산성과 효율성을 극대화할 수 있을 것으로 기대되고 있다.

웹에 존재하는 정보들의 구조적 변화가 이뤄지고 있다. 그것은 바로 이미 존재하는 정보에 컴퓨터가 의미를 해석하고 처리할 수 있는 새로운 형태의 추가적 정보를 구축하는 것인데 이것을 메타데이터라 한다. 즉 현재의 웹에 메타데이터를 구축하면 컴퓨터는 메타데이터를 통해 정보의 의미를 해석하고 처리할 수 있게 되며 이를 '시맨틱 웹'이라 한다.

특히 전자상거래에 시맨틱 웹을 적용하면 기존 웹을 통해 할 수 없던 많은 일을 자동적으로 처리할 수 있다. 지금까지는 구매자가 인터넷 쇼핑몰을 찾아다니면서 상품을 눈으로 보고 선택해 구매하는 것이 일상적인 형태였다. 그러나 앞으로는 각 인터넷 쇼핑몰에서 눈으로 보여주기 위한 상품정보뿐 아니라 제품 규격, 거래 조건 등에 대한 메타정보가 같이 제공된다. 이런 환경에서는 컴퓨터가 사람을 대신해 원하는 제품의 검색뿐 아니라 가격협상까지 할 수 있게 된다.

새로 만들어질 시맨틱 웹은 전자상거래뿐만 아니라 기업간 시스템통합 분야와 부가가치형 검색 분야에도 유용하게 활용될 수 있으며 향후 정보통신의 패러다임을 크게 변화시킬 핵심기술로 떠오르고 있다.

기존의 웹 서비스는 XML(eXtensible Markup Language) 기반의 웹서비스 기술 언어인 WSDL(Web Services Description Language, 웹 서비스 기술 언어)을 사용하지만 시맨틱 웹서비스에서는 DAML-S(DARPA Agent Markup Language - Service)와 같은 온톨로지 언어기반의 웹서비스 기술 언어를 사용한다. 시맨틱 웹 서비스에 대한 연구는 웹서비스 검색, 웹서비스 구동, 웹서비스 구성, 웹서비스 실행 모니터링 등의 관점에서 수행되고 있다. 특히 시맨틱 웹 서비스 검색은 시맨틱 웹 서비스의 궁극적인 목적을 달성하기 위한 가장 기반이 되는 분야로 기존의 정보 검색과는 다른 특징들을 가지고 있다. 즉, 시맨틱 웹 기술 언어에 적합한 저장 시스템과 검색 방법이 요구된다.

종래에는 시맨틱 웹 서비스에 대해 DBMS를 이용하는 시도가 해외에서 연구 수준으로 가끔 있었으나, 이들은 저장소 역할만을 DBMS에 의존함으로써 지식 생성, 지식 확장, 지식 제공이라는 전체 정보 흐름과 유기적으로 결합되지 못한 단점을 가지고 있다.

이처럼 종래의 시맨틱 웹 서비스를 위한 유사 시스템들은 부분적으로만 DBMS를 활용한 한계가 있었다. 이 때문에 추론 서비스 성능에 제한을 가져오는 문제점이 있었다.

따라서 온톨로지 스키마로부터 추론 결과 생성까지의 전 과정을 끊임없이 일관성 있게 구성함으로써 성능 향상을 극대화할 수 있는 본 발명이 대두하게 된 것이다.

이에 본 발명은 상기와 같은 종래의 제반 문제점을 해결하기 위해 제안된 것으로, 본 발명의 목적은 온톨로지를 이용하여 지식을 생성하고, 확장 규칙을 이용하여 지식을 확장하고, 질의 처리를 통해 추론 서비스를 제공하여 시맨틱 웹 기술을 활용하고 추론 서비스를 제공할 필요가 있는 전 분야에 걸쳐서 안정적이고 효율적인 프레임워크를 제시함으로써 시맨틱 웹 서비스의 상용화를 가능하게 할 수 있는 DBMS 기반 지식 확장 및 추론 서비스 시스템 및 그 방법을 제공하는데 있다.

상기와 같은 목적을 달성하기 위하여 본 발명의 일실시예에 의한 DBMS 기반 지식 확장 및 추론 서비스 시스템은,

온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 지식 생성부와; 지식 생성부에서 생성된 지식을 입력받고, 지식 확장 규칙을 이 용하여 지식을 확장하는 지식 확장 처리부; 및 지식 확장 처리부에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의를 처리하여 추론 서비스를 제공하는 추론 서비스 제공부;를 포함하여 이루어짐을 그 기술적 구성상의 특징으로 한다.

상기와 같은 목적을 달성하기 위하여 본 발명의 일실시예에 의한 DBMS 기반 지식 확장 및 추론 서비스 방법은,

온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 제 1 단계와; 제 1 단계에서 생성된 지식을 입력받고, 지식 확장 규칙을 이용하여 지식을 확장하는 제 2 단계; 및 제 2 단계에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의를 처리하여 추론 서비스를 제공하는 제 3 단계;를 포함하여 수행함을 그 기술적 구성상의 특징으로 한다.

이하, 상기와 같은 본 발명, DBMS 기반 지식 확장 및 추론 서비스 시스템 및 그 방법의 기술적 사상에 따른 일실시예를 도면을 참조하여 설명하면 다음과 같다.

이에 도시된 바와 같이, 온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 지식 생성부(10)와; 지식 생성부(10)에서 생성된 지식을 입력받고, 지식 확장 규칙을 이용하여 지식을 확장하는 지식 확장 처리부(20); 및 지식 확장 처리부(20)에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의 를 처리하여 추론 서비스를 제공하는 추론 서비스 제공부(30);를 포함하여 구성된 것을 특징으로 한다.

지식 생성부(10)는, RDF 또는 XML 형태의 온톨로지 기술 언어로 표현된 온톨로지 스키마를 RDF/XML 파서로 파싱하여 그 결과를 생성하고, 스키마 트리플 변환부를 이용하여 스키마 트리플을 생성하는 것을 특징으로 한다.

지식 생성부(10)는, 온톨로지 스키마를 RDF/XML 파싱하여 파싱 결과를 출력하는 RDF/XML 파서(11)와; RDF/XML 파서(11)에서 출력된 파싱 결과를 입력받아 스키마-트리플 변환을 수행하는 스키마-트리플 변환부(12)와; 스키마-트리플 변환부(12)에서 변환된 스키마-트리플과 DB-클래스 매핑 정보와 NS-Prefix 매핑 정보를 입력받고 DB-트리플 변환 규칙을 생성하는 DB-트리플 변환 규칙 생성부(13); 및 DB-트리플 변환 규칙 생성부(13)에서 생성된 DB-트리플 변환 규칙을 이용하여 URL 서버에 저장되어 있는 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 DB-트리플 변환부(14);를 포함하여 구성된 것을 특징으로 한다.

RDF/XML 파서(11)는, 온톨로지 스키마를 DBMS 기반의 트리플로 변환하기 위한 기초 작업을 수행하고, 온톨로지 스키마를 해석하여 파싱 결과를 출력하는 것을 특징으로 한다.

스키마-트리플 변환부(12)는, 온톨로지 스키마를 DBMS에서 다룰 수 있는 형태로 변환시키는 것을 특징으로 한다.

DB-트리플 변환 규칙 생성부(13)는, DB-트리플 변환 규칙을 생성하기 위해 스키마 트리플, DB-클래스 매핑 정보, NS-Prefix 매핑정보를 이용하고, DB-클래스 매핑 정보를 이용하여 DBMS 필드와 개념에 해당하는 온톨로지 클래스를 매핑하며, DB-클래스 매핑 정보를 편집할 수 있도록 편집 화면과 편집기를 제공하고, NS-Prefix 매핑정보를 이용하여 네임스페이스와 Prefix가 호환되도록 인식하며, NS-Prefix 매핑정보를 편집할 수 있도록 편집 화면과 편집기를 제공하고, 온톨로지 전문가가 기술한 DB-트리플 변환 규칙을 얻을 수 있도록 편집 화면과 편집기를 제공하는 것을 포함하여 수행하는 것을 특징으로 한다.

DB-트리플 변환부(14)는, URI 서버에 저장되거나 OWL(Web Ontology Language)의 온톨로지 기술 언어를 이용하여 URI 기반 또는 문자열로 표현된 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 것을 특징으로 한다.

지식 확장 처리부(20)는, 스키마 트리플과 인스턴스 트리플을 입력으로 받아 스키마 기반 확장 규칙과 사용자 정의 확장 규칙을 해석하여 확장 트리플을 생성하는 것을 특징으로 한다.

지식 확장 처리부(20)는, 스키마 기반 확장 규칙을 생성하는 지식 확장 규칙 생성부(21)와; 지식 확장 규칙 생성부(21)에 의해 생성된 스키마 기반 확장 규칙과 전문가가 기술한 사용자 정의 확장 규칙을 이용하고 인스턴스 트리플과 스키마 트리플을 이용하여 확장 트리플을 생성하는 지식 확장부(22); 및 인스턴스 트리플과 지식 확장부(22)의 결과를 이용하여 동적으로 값이 변하는 유형의 확장 트리플을 생성하는 추가 지식 확장부(23);를 포함하여 구성된 것을 특징으로 한다.

지식 확장 규칙 생성부(21)는, 지식 생성부(10)의 스키마 트리플을 참조하여 스키마 기반 확장 규칙을 생성하는 것을 특징으로 한다.

지식 확장부(22)는, 추론 엔진에서의 전향 추론(Forward Chaining)에 해당하는 방식으로 규칙 해석 및 트리플 추가 생성을 담당하는 것을 특징으로 한다.

추가 지식 확장부(23)는, 동적으로 특정 클래스의 값이 변동하는 트리플들을 처리하도록 인스턴스 트리플을 입력받아 DBMS 테이블이나 메모리 상에서 값을 계산하고, 해당 트리플을 업데이트하거나 추가하는 것을 포함하여 수행하는 특징으로 한다.

추론 서비스 제공부(30)는, 사용자 질의를 입력받아 변환시켜 변환 질의를 생성하는 질의 변환부(31)와; 이전에 입력된 질의인지 판단하는 캐시 관리부(32)와; 질의 변환부(31)에서 변환된 변환 질의를 입력받고, 캐시 관리부(32)의 판단 결과를 입력받아 질의 결과를 생성하는 질의 처리부(33)와; 질의 처리부(33)의 질의 결과를 입력받아 후 처리하여 후 처리 결과를 생성하는 후 처리부(34); 및 후 처리부(34)에서 생성된 후 처리 결과를 이용하여 사용자 인터페이스에 맞도록 메시지와 프로토콜을 생성하여 추론 결과를 제시하는 결과 제시부(35);를 포함하여 구성된 것을 특징으로 한다.

질의 변환부(31)는, SPARQL이나 RDQL의 질의 기술 언어 또는 사용자 인터페이스에 의존적인 특정 구문으로 표현된 사용자 질의를 DBMS 기반 지식에 접근할 수 있도록 SQL로 변환하는 것을 포함하여 수행하는 것을 특징으로 한다.

캐시 관리부(32)는, 질의/결과 목록으로 구성된 캐시를 참조하여 이전에 입력된 질의인지 판단하는 것을 특징으로 한다.

질의 처리부(33)는, 이전에 입력된 질의인 경우에는 추론 결과를 바로 사용 자에게 제시하고, 신규로 입력된 질의인 경우에는 지식 확장 처리부(20)의 확장 트리플을 참조하여 질의 결과를 생성하는 것을 특징으로 한다.

후 처리부(34)는, 질의 처리부(33)에서 제시한 질의 결과를 사용자 인터페이스에 맞도록 정렬하고 특정 기준을 적용하여 결과의 일부를 삭제하여 필터링하는 조작을 통해 후처리 결과를 생성하는 것을 포함하여 수행하는 것을 특징으로 한다.

결과 제시부(35)는, 질의 처리부(33)의 질의 결과 또는 후 처리부(34)의 후 처리 결과를 이용하여 추론 결과를 생성하고, URI 서버를 참조하여 추론 결과 생성 대상 URI의 개념-값 관계(Datatype Property)와 연결된 값을 추출하여 추론 결과를 제시하는 것을 포함하여 수행하는 것을 특징으로 한다.

이에 도시된 바와 같이, 온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 제 1 단계(ST11 ~ ST14)와; 제 1 단계에서 생성된 지식을 입력받고, 지식 확장 규칙을 이용하여 지식을 확장하는 제 2 단계(ST21 ~ ST23); 및 제 2 단계에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의를 처리하여 추론 서비스를 제공하는 제 3 단계(ST31 ~ ST35);를 포함하여 구성된 것을 특징으로 한다.

제 1 단계는, RDF 또는 XML 형태의 온톨로지 기술 언어로 표현된 온톨로지 스키마를 RDF/XML 파서로 파싱하여 그 결과를 생성하고, 스키마 트리플 변환기를 이용하여 스키마 트리플을 생성하는 것을 특징으로 한다.

제 1 단계는, 온톨로지 스키마를 RDF/XML 파싱하여 파싱 결과를 출력하는 제 11 단계(ST11)와; 제 11 단계(ST11)에서 출력된 파싱 결과를 입력받아 스키마-트리플 변환을 수행하는 제 12 단계(ST12)와; 제 12 단계(ST12)에서 변환된 스키마-트리플과 DB-클래스 매핑 정보와 NS-Prefix 매핑 정보를 입력받고 DB-트리플 변환 규칙을 생성하는 제 13 단계(ST13); 및 제 13 단계(ST13)에서 생성된 DB-트리플 변환 규칙을 이용하여 URL 서버에 저장되어 있는 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 제 14 단계(ST14);를 포함하여 구성된 것을 특징으로 한다.

제 11 단계는, 온톨로지 스키마를 DBMS 기반의 트리플로 변환하기 위한 기초 작업을 수행하고, 온톨로지 스키마를 해석하여 파싱 결과를 출력하는 것을 특징으로 한다.

제 12 단계는, 온톨로지 스키마를 DBMS에서 다룰 수 있는 형태로 변환시키는 것을 특징으로 한다.

제 13 단계는, DB-트리플 변환 규칙을 생성하기 위해 스키마 트리플, DB-클래스 매핑 정보, NS-Prefix 매핑정보를 이용하고, DB-클래스 매핑 정보를 이용하여 DBMS 필드와 개념에 해당하는 온톨로지 클래스를 매핑하며, DB-클래스 매핑 정보를 편집할 수 있도록 편집 화면과 편집기를 제공하고, NS-Prefix 매핑정보를 이용하여 네임스페이스와 Prefix가 호환되도록 인식하며, NS-Prefix 매핑정보를 편집할 수 있도록 편집 화면과 편집기를 제공하고, 온톨로지 전문가가 기술한 DB-트리플 변환 규칙을 얻을 수 있도록 편집 화면과 편집기를 제공하는 것을 포함하여 수행하는 것을 특징으로 한다.

제 14 단계는, URI 서버에 저장되거나 OWL, 토픽 맵(Topic Map)에 기반한 온톨로지 기술 언어를 이용하여 URI 기반 또는 문자열로 표현된 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 것을 특징으로 한다.

제 2 단계는, 스키마 트리플과 인스턴스 온톨로지를 입력으로 받아 스키마 기반 확장 규칙과 사용자 정의 확장 규칙을 해석하여 확장 트리플을 생성하는 것을 특징으로 한다.

제 2 단계는, 스키마 기반 확장 규칙을 생성하는 제 21 단계(ST21)와; 제 21 단계에 의해 생성된 스키마 기반 확장 규칙과 전문가가 기술한 사용자 정의 확장 규칙을 이용하고 인스턴스 트리플과 스키마 트리플을 이용하여 확장 트리플을 생성하는 제 22 단계(ST22); 및 인스턴스 트리플과 제 22 단계의 결과를 이용하여 동적으로 값이 변하는 유형의 확장 트리플을 생성하는 제 23 단계(ST23);를 포함하여 구성된 것을 특징으로 한다.

제 21 단계는, 제 1 단계의 스키마 트리플을 참조하여 스키마 기반 확장 규칙을 생성하는 것을 특징으로 한다.

제 22 단계는, 추론 엔진에서의 전향 추론(Forward Chaining)에 해당하는 방식으로 규칙 해석 및 트리플 추가 생성을 담당하는 것을 특징으로 한다.

제 23 단계는, 동적으로 특정 클래스의 값이 변동하는 트리플들을 처리하도록 인스턴스 트리플을 입력받아 DBMS 테이블이나 메모리 상에서 값을 계산하고, 해당 트리플을 업데이트하거나 추가하는 것을 포함하여 수행하는 특징으로 한다.

제 3 단계는, 사용자 질의를 입력받아 변환시켜 변환 질의를 생성하는 제 31 단계(ST31)와; 이전에 입력된 질의인지 판단하는 제 32 단계(ST32)와; 제 31 단계(ST31)에서 변환된 변환 질의를 입력받고, 제 32 단계(ST32)의 판단 결과를 입력받아 질의 결과를 생성하는 제 33 단계(ST33)와; 제 33 단계(ST33)의 질의 결과를 입력받아 후 처리하여 후 처리 결과를 생성하는 제 34 단계(ST34); 및 제 34 단계(ST34)에서 생성된 후 처리 결과를 이용하여 사용자 인터페이스에 맞도록 메시지와 프로토콜을 생성하여 추론 결과를 제시하는 제 35 단계(ST35);를 포함하여 구성된 것을 특징으로 한다.

제 31 단계는, SPARQL이나 RDQL의 질의 기술 언어나 사용자 인터페이스에 의존적인 특정 구문으로 표현된 사용자 질의를 DBMS 기반 지식에 접근할 수 있도록 SQL로 변환하는 것을 포함하여 수행하는 것을 특징으로 한다.

제 32 단계는, 질의/결과 목록으로 구성된 캐시를 참조하여 이전에 입력된 질의인지 판단하는 것을 특징으로 한다.

제 33 단계는, 이전에 입력된 질의인 경우에는 추론 결과를 바로 사용자에게 제시하고, 신규로 입력된 질의인 경우에는 제 2 단계의 확장 트리플을 참조하여 질의 결과를 생성하는 것을 특징으로 한다.

제 34 단계는, 제 33 단계에서 제시한 질의 결과를 사용자 인터페이스에 맞도록 정렬하고 특정 기준을 적용하여 결과의 일부를 삭제하여 필터링하는 조작을 통해 후처리 결과를 생성하는 것을 포함하여 수행하는 것을 특징으로 한다.

제 35 단계는, 제 33 단계의 질의 결과 또는 제 34 단계의 후 처리 결과를 이용하여 추론 결과를 생성하고, URI 서버를 참조하여 추론 결과 생성 대상 URI의 Datatype Property와 연결된 값을 추출하여 추론 결과를 제시하는 것을 포함하여 수행하는 것을 특징으로 한다.

이와 같이 구성된 본 발명에 의한 DBMS 기반 지식 확장 및 추론 서비스 시스템 및 그 방법의 바람직한 실시예를 첨부한 도면에 의거하여 상세히 설명하면 다음과 같다. 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 판례 등에 따라 달라질 수 있으며, 이에 따라 각 용어의 의미는 본 명세서 전반에 걸친 내용을 토대로 해석되어야 할 것이다.

먼저 본 발명은 온톨로지를 이용하여 지식을 생성하고, 확장 규칙을 이용하여 지식을 확장하고, 질의 처리를 통해 추론 서비스를 제공하여 시맨틱 웹 기술을 활용하고 추론 서비스를 제공할 필요가 있는 전 분야에 걸쳐서 안정적이고 효율적인 프레임워크를 제시함으로써 시맨틱 웹 서비스의 상용화를 가능하게 하고자 한 것이다.

본 발명은 시맨틱 웹 기술의 발전과 더불어 급격히 관심을 끌고 있는 추론 서비스를 불안정한 추론 엔진을 이용하는 대신 안정적인 DBMS 기반 시맨틱 웹 플랫폼을 실현하는 방법을 설명한다. 본 발명은 크게 온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 방법, 지식 확장 규칙을 이용하여 지 식을 확장하는 방법, 사용자 질의를 변환하고 질의 처리하는 방식으로 추론 서비스를 제공하는 방법으로 구성된다.

본 발명은 OWL(Web Ontology Language) 등으로 기술된 온톨로지 상에서의 추론 엔진을 이용함으로 해서 발생할 수 있는 추론에서의 무한 반복, 신뢰할 수 없는 수준의 응답 시간 등의 안정성을 떨어뜨리는 요소들을 배제함으로써 실용적인 시맨틱 웹 응용 서비스를 제공할 수 있도록 한다. 이를 위해 온톨로지 인스턴스들뿐만 아니라 트리플로 표현된 지식들까지 DBMS 기반으로 저장, 관리함으로써 대용량의 지식 처리를 보장하고 안정적인 지식 확장을 가능하도록 한다.

기존에 DBMS를 이용하는 시도가 해외에서 연구 수준으로 가끔 있었으나 이들은 저장소 역할만을 DBMS에 의존함으로써 지식 생성, 지식 확장, 지식 제공이라는 전체 정보 흐름과 유기적으로 결합되지 못한 단점을 가지고 있다.

본 발명에 따른 추론 서비스 시스템은 지식의 크기에 있어서 추론 엔진이 다룰 수 없는 수준까지도 처리할 수 있는 구조로 발명되었으며, 지식에 대한 확장성을 보장할 수 있도록 한다. 또한, 트리플로 표현 가능한 모든 지식들을 다룰 수 있도록 설계됨으로써 시맨틱 웹 환경에서의 필수적인 요소로 활용될 수 있다.

도 3에서는 본 발명에 따른 DBMS 기반의 지식 확장 및 추론 서비스를 포함하는 전체 시스템의 정보 흐름을 보여준다. 기술한 바와 같이 본 발명은 지식 생성부(10)에서의 온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 단계(ST11 ~ ST14), 지식 확장 처리부(20)에서의 지식 확장 규칙을 이용하여 지식을 확장하는 단계(ST21 ~ ST23), 추론 서비스 제공부(30)에서의 사용자 질의를 변환하고 질의 처리하는 방식으로 추론 서비스를 제공하는 단계(ST31 ~ ST35)로 구성된다.

온톨로지는 특정 영역에서 클래스(개념) 간의 관계를 표현하는 지식 체계로서 온톨로지 스키마와 온톨로지 인스턴스로 구성된다. 온톨로지 스키마는 개념 자체와 개념 간 관계를 표현하는 골격(예. '사람'이라는 개념은 '기관'과 '소속'이라는 관계로 연결된다.)이라고 할 수 있으며, 온톨로지 인스턴스는 특정 개념이 사례화된 형태(예. "정한민"은 "한국과학기술정보연구원"과 '소속'이라는 관계로 연결된다.)라고 할 수 있다.

온톨로지 스키마는 RDF(Resource Description Framework)나 XML(eXtensible Markup Language)로 표현된다. DBMS 기반으로 지식을 다루기 위해서는 온톨로지 스키마와 온톨로지 인스턴스를 트리플(Triple) 형식(두 개의 개념과 이들을 연결하는 관계명을 3개 요소로 하는 리스트로 구성한 형태로서, 가운데에 관계명을 위치시켜 ('사람', '소속', '기관') 과 같은 형식으로 표현할 수 있다.)이나 XML 등 다른 포맷으로 통일시킬 필요가 있다.

본 발명에서는 편의상 트리플로 표현하며 DBMS에 저장되는 형태 역시 Subject(관계명 왼쪽에 위치한 개념으로 위의 예에서 '사람'이 여기에 해당한다.), Predicate(관계명을 의미하며 위의 예에서 '소속'이 여기에 해당한다.), Object(관계명 오른쪽에 위치한 개념으로 위의 예에서 '기관'이 여기에 해당한다.)의 세 개 필드를 포함하는 테이블로 정의한다. 이 세 가지 요소를 하나의 테이블이 아닌 각각 별도의 테이블에 저장할 수도 있으며, 관계명에 따라 테이블을 분산시킬 수도 있다.

RDF/XML 파서(11)는 온톨로지 스키마를 궁극적으로 DBMS 기반의 트리플로 변환하기 위한 기초 작업을 수행한다. RDF/XML 파서(11)는 온톨로지 스키마를 해석하여 파싱 결과를 생성한다(도 4 참조). 파싱 결과는 스키마-트리플 변환부(12)를 거쳐 트리플로 변환된다.

스키마 트리플은 이렇게 변환된 결과로 생성된 지식으로, 온톨로지 스키마를 DBMS에서 용이하게 다룰 수 있는 형태로 변환시킨 것이다. 스키마 트리플은 인스턴스 트리플을 생성하기 위해 필수적으로 요구되는 지식이다. 이는 스키마 트리플이 온톨로지 스키마를 표현하고 있으며, 온톨로지 스키마가 온톨로지 인스턴스를 해석하기 위한 기본 정보이기 때문이다.

온톨로지 인스턴스를 온톨로지 트리플로 변환하기 위해서 DB-트리플 변환 규칙 생성부(13)가 필요하다. DB-트리플 변환 규칙 생성부(13)는 DB-트리플 변환에 필요한 변환 규칙을 만드는 역할을 하는데, 이때 이용하는 정보가 스키마 트리플 , DB-클래스 매핑 정보, NS(Name Space)-Prefix 매핑 정보가 있다.

DB-클래스 매핑 정보는 URI(Uniform Resource Identifier) 서버에 저장되어 있는 각 필드들(필드 정보는 온톨로지 인스턴스에 해당한다)이 온톨로지 스키마에 어떻게 매핑되는지를 알려준다. 예를 들어, 인력 정보 테이블의 첫 번째 필드가 '사람'이라는 개념을 의미하는 경우에 "<f1> rdf:type isrl:Person"과 같이 표현한 정보가 DB-클래스 매핑 정보에 담겨진다.

URI 서버는 온톨로지 인스턴스를 효율적으로 관리하기 위해 사용하는 DBMS 기반 저장소로서 개념 간 관계(Object Property)와 개념-값 관계(Datatype Property)를 포함한다. 개념 간 관계라 함은 '사람'이라는 개념이 '소속'이라는 관계로서 '기관'이라는 개념을 가지는 경우에 해당하며, 개념-값 관계는 '사람'이라는 개념이 '나이'라는 관계로서 '30'이라는 값을 가지는 경우에 해당한다. URI 서버를 이용하지 않고도 지식 생성 방법을 구현할 수 있는데, 이 경우에는 온톨로지 스키마가 스키마 트리플로 변환되는 과정을 그대로 따르게 된다.

NS-Prefix 매핑 정보는 네임스페이스(Name Space)를 Prefix로 매핑될 수 있도록 도와주는 역할을 한다.

네임스페이스는 "#"와 같이 논리적으로 현재 기술하고자 하는 개념 체계를 다른 개념 체계들과 혼동되지 않도록 그룹화해주는 역할을 한다. 일반적으로 OWL(Web Ontology Language)이나 RDF(Resource Description Framework) 등 지식을 기술하는 언어에서는 네임스페이스 대신에 "rdf"와 같이 이를 간략히 표현한 Prefix를 사용한다. NS-Prefix 매핑 정보는 DBMS에 저장된 온톨로지 인스턴스들이 네임스페이스 기반으로 표현되어 있고 규칙 등이 Prefix로 기술되어 있는 경우와 같이 서로간의 논리적 그룹 표현 방식이 다른 경우에 이들을 호환시킬 목적으로 사용한다.

DB-트리플 변환 규칙 생성부(13)는 DB-클래스 매핑 정보, NS-Prefix 매핑 정보, 스키마 트리플과 같은 세 가지 정보를 이용하여 'DB-트리플 변환 규칙'(도 5 참조)을 생성한다. DB-트리플 변환 규칙을 이용하여 DB-트리플 변환부(14)는 URI 서버에 저장되어 있는 온톨로지 인스턴스를 '인스턴스 트리플'(도 6 참조)로 변환 시킨다.

지식 확장 처리부(20)에서의 지식 확장 방법은 위에서 기술한 지식 생성의 결과인 스키마 트리플과 인스턴스 트리플을 이용하여 확장 트리플을 생성하는 과정을 보여준다.

지식 확장 규칙 생성부(21)는 지식 확장을 위한 규칙을 자동으로 생성하는데, 이때 참조하는 정보는 스키마 트리플이다. 스키마 트리플을 이용하여 도 7과 같이 '스키마 기반 확장 규칙'을 자동으로 생성한다. 이 방법은 수작업으로 대체할 수도 있다. 즉, 온톨로지 스키마를 분석하여 전문가에 의해 수작업으로 스키마 기반 확장 규칙을 작성할 수 있다.

지식 확장부(22)는 지식 확장 규칙 생성부(21)에 의해 자동 생성된 스키마 기반 확장 규칙과 규칙 기술 전문가가 기술한 '사용자 정의 확장 규칙'(도 8 참조), 그리고 인스턴스 트리플을 이용하여 확장 트리플을 생성한다. 이때 추가 지식 확장부(23)를 이용하여 인스턴스 트리플과 스키마 트리플을 참조하여 동적으로 값이 변하는 유형의 확장 트리플을 추가한다. 예를 들어, '성과 점수'는 성과물이 등록될 때마다 그 점수를 누적시켜야 하며 추가 지식 확장기가 이러한 역할을 수행한다.

확장 트리플은 결국 인스턴스 트리플을 확장 규칙에 따라 더욱 풍부하게 만든 결과라고 할 수 있다. 또한 지식 확장부(22)는 추론 엔진에서의 Forward Chaining에 해당하는 방식으로 규칙 해석 및 트리플 추가 생성을 담당하는 모듈이라고 할 수 있다.

이상 기술한 내용은 사용자 질의 이전에 지식을 생성하고 확장하는 방법이다.

한편 사용자 질의가 입력되어 시스템에서 추론되고 그 결과를 생성하는 과정은 추론 서비스 제공부(30)에 의해 주도적으로 수행되며, 그 상세 동작은 다음과 같다.

사용자 질의는 SQL(Structured Query Language) 형태일 수도 있지만, 시맨틱 웹에서는 일반적으로 SPARQL(SPARQL Protocol And RDF Query Language)이나 RDQL(RDF Data Query Language) 등의 시맨틱 웹 기반 질의 기술 언어를 사용한다. DBMS 기반으로 지식이 구축되어 있는 본 시스템에서 사용자 질의를 해석하고 처리하기 위해서는 질의 변환부(31)를 이용하여 사용자 질의를 SQL로 변환해야 한다.

SQL로 구성된 '변환 질의'(도 9 참조)는 질의 처리부(33)로 전달된다. 질의 처리부(33)는 먼저 캐시 관리부(32)에 문의하여 해당 질의가 이전에 입력된 적이 있는지를 판단한다.

캐시 관리부(32)는 '질의-결과 목록'으로 구성된 캐시를 참조하여 이전에 입력된 질의인지 판단하고, 그 결과를 질의 처리부(33)에 전달한다. 만일 이전에 입력된 질의인 경우 '추론 결과'를 바로 사용자에게 제시할 수 있으며, 신규로 입력된 질의인 경우에는 '확장 트리플'을 참조하여 '질의 결과'(도 10 참조)를 생성한다.

질의 결과는 사용자에게 바로 제시되기 힘든데, 그 이유는 사용자가 보는 사용자 인터페이스에 맞는 형태의 질의 결과가 바로 얻어지지 않기 때문이다. 이를 위해 후 처리부(34)를 사용하여 '후 처리 결과'(도 11 참조)를 생성한다.

결과 제시부(35)는 후 처리 결과를 이용하여 사용자 인터페이스에 맞도록 메시지와 프로토콜을 생성하는 데, 이 때 특정 URI에 대한 개념-값 관계(Datatype Property, 예. '사람'이라는 개념에서의 Datatype Property는 '인명', '나이', '성별' 등이 있다.)를 획득하기 위해 URI 서버를 참조할 수 있다. 이 결과가 '추론 결과'(도 12 참조)이며 XML 등의 형식 언어로 표현되어 사용자 인터페이스를 담당하는 모듈에 전달된다.

본 발명에 따른 지식 생성, 지식 확장, 추론 서비스 제공 방법은 위에서 기술한 바와 같이 서로 밀접하게 연결되어 있으며, 기존 추론 엔진이 불안정적으로 수행하던 추론 서비스를 안정적인 DBMS 기반으로 구현할 수 있도록 한다.

이러한 본 발명의 구성에 대해 정리하여 설명하면 다음과 같다.

1) DBMS 기반 지식 확장 및 추론 서비스 방법

도 3에서 제시한 온톨로지 스키마와 인스턴스들을 이용하여 트리플 (또는 트리플에 대응되는 구조로서 두 개의 개념과 개념을 연결하는 관계명으로 구성된 대체 표현)로 표현되는 지식을 생성하는 방법, 지식 확장 규칙을 이용하여 지식을 확장하는 방법, 사용자 질의를 변환하고 질의 처리하는 방식으로 추론 서비스를 제공하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법. 그리고 통합 시스템의 전체 구성

2) DB-트리플 변환 방법

도 3, 도 5 및 도 6에서 제시한 DB-트리플 변환기를 통해 URI 서버에 저장되 거나 OWL(Web Ontology Language) 등의 온톨로지 기술 언어를 이용하여 URI 기반 또는 문자열로 표현된 온톨로지 인스턴스를 인스턴스 트리플로 변환하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

3) 스키마 트리플 생성 방법

도 3 및 도 4에서 제시한 RDF 또는 XML 형태의 온톨로지 기술 언어로 표현된 온톨로지 스키마를 RDF/XML 파서로 파싱하여 그 결과를 생성하고, 스키마 트리플 변환기를 이용하여 스키마 트리플을 생성하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

4) DB-트리플 변환 규칙 생성 방법

도 3 및 도 4에서 제시한 DB-트리플 변환 규칙을 생성하기 위해 스키마 트리플, DB-클래스 매핑 정보, NS-Prefix 매핑정보를 이용하는 방법. 그리고 DB-클래스 매핑 정보를 이용하여 DBMS 필드와 개념에 해당하는 온톨로지 클래스를 매핑하는 방법. 그리고 DB-클래스 매핑 정보를 편집할 수 있도록 편집 화면과 편집기를 제공하는 방법. 그리고 NS-Prefix 매핑정보를 이용하여 네임스페이스와 Prefix가 호환되도록 인식하는 방법. 그리고 NS-Prefix 매핑정보를 편집할 수 있도록 편집 화면과 편집기를 제공하는 방법. 그리고 DB-트리플 변환 규칙 생성기 대신에 온톨로지 전문가가 기술한 DB-트리플 변환 규칙을 얻을 수 있도록 편집 화면과 편집기를 제공하는 방법. 각각의 역할과 이것을 통합하는 방법

5) 지식 확장 방법

도 3에서 제시한 스키마 트리플, 인스턴스 트리플을 이용하여 지식을 확장하 고 그 결과로서 확장 트리플을 생성하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

6) 지식 확장 규칙 생성 방법

도 3 및 도 7에서 제시한 스키마 트리플을 이용하여 스키마 기반 확장 규칙을 생성하는 방법. 그리고 스키마 기반 확장 규칙 생성기 대신에 온톨로지 전문가가 기술한 스키마 기반 확장 규칙을 얻을 수 있도록 편집 화면과 편집기를 제공하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

7) 확장 트리플 생성 방법

도 3, 도 7 및 도 8에서 제시한 스키마 트리플과 인스턴스 온톨로지를 입력으로 받아 스키마 기반 확장 규칙과 사용자 정의 확장 규칙을 해석하여 확장 트리플을 생성하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

8) 추가 지식 확장 방법

도 3에서 제시한 동적으로 특정 클래스의 값이 변동하는 트리플들을 처리하고자 인스턴스 트리플을 입력받아 DBMS 테이블이나 메모리 상에서 값을 계산하고 해당 트리플을 업데이트하거나 추가하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

9) 추론 서비스 방법

도 3, 도 9, 도 10, 도 11에서 제시한 사용자 질의로부터 질의 변환, 질의 처리, 후 처리를 통해 추론 결과를 생성하고 서비스하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

10) 질의 변환 방법

도 3 및 도 9에서 제시한 SPARQL이나 RDQL 등의 질의 기술 언어나 사용자 인터페이스에 의존적인 특정 구문으로 표현된 사용자 질의를 DBMS 기반 지식에 접근할 수 있도록 SQL로 변환하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

11) 질의 처리 방법

도 3 및 도 10에서 제시한 SQL로 변환된 질의를 입력으로 받아 DBMS 기반 확장 트리플을 참조하여 질의 결과를 생성하는 방법. 그리고 캐시 관리기를 조회하여 이전 입력된 질의인지 판단하는 방법. 그리고 이전 입력된 질의인 경우 해당 질의의 추론 결과를 추출하여 사용자 인터페이스에 제공하는 방법. 그리고 신규 질의인 경우 확장 트리플 조회를 통해 질의 결과를 생성하는 조건적 처리 방법, 그리고 각각의 역할과 이것을 통합하는 방법

12) 후 처리 방법

도 3 및 도 11에서 제시한 질의 결과를 사용자 인터페이스에 맞도록 정렬하고 필터링 (특정 기준을 적용하여 결과의 일부를 삭제하는 방법)하는 등의 조작을 통해 후 처리 결과를 생성하는 방법, 그리고 각각의 역할과 이것을 통합하는 방법

13) 추론 결과 생성 방법

도 3에서 제시한 후 처리 결과 또는 질의 결과를 이용하여 추론 결과를 생성하는 방법, 그리고 URI 서버를 참조하여 추론 결과 생성 대상 URI의 개념-값 관계(Datatype Property)와 연결된 값을 추출하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

14) DBMS 기반 지식 확장 및 추론 서비스를 이용하여 시맨틱 웹 응용 서비스를 구성하는 방법

도 3에서 제시한 전체 시스템 또는 일부 시스템을 이용하여 시맨틱 웹 응용 서비스를 구성하는 방법. 그리고 각각의 역할과 이것을 통합하는 방법

이처럼 본 발명은 온톨로지를 이용하여 지식을 생성하고, 확장 규칙을 이용하여 지식을 확장하고, 질의 처리를 통해 추론 서비스를 제공하여 시맨틱 웹 기술을 활용하고 추론 서비스를 제공할 필요가 있는 전 분야에 걸쳐서 안정적이고 효율적인 프레임워크를 제시함으로써 시맨틱 웹 서비스의 상용화를 가능하게 하게 되는 것이다.

이상에서 살펴본 바와 같이, 본 발명에 의한 DBMS 기반 지식 확장 및 추론 서비스 시스템 및 그 방법은 온톨로지를 이용하여 지식을 생성하고, 확장 규칙을 이용하여 지식을 확장하고, 질의 처리를 통해 추론 서비스를 제공하여 시맨틱 웹 기술을 활용하고 추론 서비스를 제공할 필요가 있는 전 분야에 걸쳐서 안정적이고 효율적인 프레임워크를 제시함으로써 시맨틱 웹 서비스의 상용화를 가능하게 할 수 있는 효과가 있게 된다.

이상에서 본 발명의 바람직한 실시예에 한정하여 설명하였으나, 본 발명은 이에 한정되지 않고 다양한 변화와 변경 및 균등물을 사용할 수 있다. 따라서 본 발명은 이들 실시예를 적절히 변형하여 응용할 수 있고, 이러한 응용도 하기 특허 청구범위에 기재된 기술적 사상을 바탕으로 하는 한 본 발명의 권리범위에 속하게 됨은 당연하다 할 것이다.

Claims

온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 지식 생성부와;

스키마 기반 확장 규칙을 생성하는 지식 확장 규칙 생성부와; 상기 지식 확장 규칙 생성부에 의해 생성된 스키마 기반 확장 규칙과 전문가가 기술한 사용자 정의 확장 규칙을 이용하고 인스턴스 트리플과 스키마 트리플을 이용하여 확장 트리플을 생성하는 지식 확장부; 및 인스턴스 트리플과 상기 지식 확장부의 결과를 이용하여 동적으로 값이 변하는 유형의 확장 트리플을 생성하는 추가 지식 확장부;를 포함하여 구성되며, 상기 지식 생성부에서 생성된 지식을 입력받고, 지식 확장 규칙을 이용하여 지식을 확장하는 지식 확장 처리부; 및

상기 지식 확장 처리부에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의를 처리하여 추론 서비스를 제공하는 추론 서비스 제공부;

를 포함하여 구성된 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 시스템.
청구항 1에 있어서,

상기 지식 생성부는,

온톨로지 스키마를 RDF/XML 파싱하여 파싱 결과를 출력하는 RDF/XML 파서와;

상기 RDF/XML 파서에서 출력된 파싱 결과를 입력받아 스키마-트리플 변환을 수행하는 스키마-트리플 변환부와;

상기 스키마-트리플 변환부에서 변환된 스키마-트리플과 DB-클래스 매핑 정보와 NS-Prefix 매핑 정보를 입력받고 DB-트리플 변환 규칙을 생성하는 DB-트리플 변환 규칙 생성부; 및

상기 DB-트리플 변환 규칙 생성부에서 생성된 DB-트리플 변환 규칙을 이용하여 URL 서버에 저장되어 있는 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 DB-트리플 변환부;

를 포함하여 구성된 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 시스템.
삭제
청구항 1 또는 청구항 2에 있어서,

상기 추론 서비스 제공부는,

사용자 질의를 입력받아 변환시켜 변환 질의를 생성하는 질의 변환부와;

이전에 입력된 질의인지 판단하는 캐시 관리부와;

상기 질의 변환부에서 변환된 변환 질의를 입력받고, 상기 캐시 관리부의 판단 결과를 입력받아 질의 결과를 생성하는 질의 처리부와;

상기 질의 처리부의 질의 결과를 입력받아 후 처리하여 후 처리 결과를 생성하는 후 처리부; 및

상기 후 처리부에서 생성된 후 처리 결과를 이용하여 사용자 인터페이스에 맞도록 메시지와 프로토콜을 생성하여 추론 결과를 제시하는 결과 제시부;

를 포함하여 구성된 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 시스템.
온톨로지 스키마와 인스턴스들을 이용하여 트리플로 표현되는 지식을 생성하는 제 1 단계와;

스키마 기반 확장 규칙을 생성하는 제 21 단계와; 상기 제 21 단계에 의해 생성된 스키마 기반 확장 규칙과 전문가가 기술한 사용자 정의 확장 규칙을 이용하고 인스턴스 트리플과 스키마 트리플을 이용하여 확장 트리플을 생성하는 제 22 단계; 및 인스턴스 트리플과 상기 제 22 단계의 결과를 이용하여 동적으로 값이 변하는 유형의 확장 트리플을 생성하는 제 23 단계;를 포함하여 구성되며, 상기 제 1 단계에서 생성된 지식을 입력받고, 지식 확장 규칙을 이용하여 지식을 확장하는 제 2 단계; 및

상기 제 2 단계에서 확장된 지식을 이용하고, 사용자 질의를 변환하고 질의를 처리하여 추론 서비스를 제공하는 제 3 단계;

를 포함하여 구성된 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 5에 있어서,

상기 제 1 단계는,

온톨로지 스키마를 RDF/XML 파싱하여 파싱 결과를 출력하는 제 11 단계와;

상기 제 11 단계에서 출력된 파싱 결과를 입력받아 스키마-트리플 변환을 수행하는 제 12 단계와;

상기 제 12 단계에서 변환된 스키마-트리플과 DB-클래스 매핑 정보와 NS-Prefix 매핑 정보를 입력받고 DB-트리플 변환 규칙을 생성하는 제 13 단계; 및

상기 제 13 단계에서 생성된 DB-트리플 변환 규칙을 이용하여 URL 서버에 저장되어 있는 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 제 14 단계;

를 포함하여 구성된 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 6에 있어서,

상기 제 11 단계는,

온톨로지 스키마를 DBMS 기반의 트리플로 변환하기 위한 기초 작업을 수행하고, 온톨로지 스키마를 해석하여 파싱 결과를 출력하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 6에 있어서,

상기 제 12 단계는,

온톨로지 스키마를 DBMS에서 다룰 수 있는 형태로 변환시키는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 6에 있어서,

상기 제 13 단계는,

DB-트리플 변환 규칙을 생성하기 위해 스키마 트리플, DB-클래스 매핑 정보, NS-Prefix 매핑정보를 이용하고, DB-클래스 매핑 정보를 이용하여 DBMS 필드와 개념에 해당하는 온톨로지 클래스를 매핑하며, DB-클래스 매핑 정보를 편집할 수 있도록 편집 화면과 편집기를 제공하고, NS-Prefix 매핑정보를 이용하여 네임스페이스와 Prefix가 호환되도록 인식하며, NS-Prefix 매핑정보를 편집할 수 있도록 편집 화면과 편집기를 제공하고, 온톨로지 전문가가 기술한 DB-트리플 변환 규칙을 얻을 수 있도록 편집 화면과 편집기를 제공하는 것을 포함하여 수행하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 6에 있어서,

상기 제 14 단계는,

URI 서버에 저장되거나 OWL, 토픽 맵에 기반한 온톨로지 기술 언어를 이용하여 URI 기반 또는 문자열로 표현된 온톨로지 인스턴스를 인스턴스 트리플로 변환시키는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
삭제
청구항 5에 있어서,

상기 제 21 단계는,

상기 제 1 단계의 스키마 트리플을 참조하여 스키마 기반 확장 규칙을 생성하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 5에 있어서,

상기 제 22 단계는,

추론 엔진에서의 전향 추론에 해당하는 방식으로 규칙 해석 및 트리플 추가 생성을 담당하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 5에 있어서,

상기 제 23 단계는,

동적으로 특정 클래스의 값이 변동하는 트리플들을 처리하도록 인스턴스 트리플을 입력받아 DBMS 테이블이나 메모리 상에서 값을 계산하고, 해당 트리플을 업데이트하거나 추가하는 것을 포함하여 수행하는 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 5 내지 청구항 10 또는 청구항 12 내지 청구항 14 중 어느 한 항에 있어서,

상기 제 3 단계는,

사용자 질의를 입력받아 변환시켜 변환 질의를 생성하는 제 31 단계와;

이전에 입력된 질의인지 판단하는 제 32 단계와;

상기 제 31 단계에서 변환된 변환 질의를 입력받고, 상기 제 32 단계의 판단 결과를 입력받아 질의 결과를 생성하는 제 33 단계와;

상기 제 33 단계의 질의 결과를 입력받아 후 처리하여 후 처리 결과를 생성하는 제 34 단계; 및

상기 제 34 단계에서 생성된 후 처리 결과를 이용하여 사용자 인터페이스에 맞도록 메시지와 프로토콜을 생성하여 추론 결과를 제시하는 제 35 단계;

를 포함하여 구성된 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 15에 있어서,

상기 제 31 단계는,

SPARQL이나 RDQL의 질의 기술 언어나 사용자 인터페이스에 의존적인 특정 구문으로 표현된 사용자 질의를 DBMS 기반 지식에 접근할 수 있도록 SQL로 변환하는 것을 포함하여 수행하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 15에 있어서,

상기 제 32 단계는,

질의/결과 목록으로 구성된 캐시를 참조하여 이전에 입력된 질의인지 판단하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 15에 있어서,

상기 제 33 단계는,

이전에 입력된 질의인 경우에는 추론 결과를 바로 사용자에게 제시하고, 신규로 입력된 질의인 경우에는 상기 제 2 단계의 확장 트리플을 참조하여 질의 결과를 생성하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 15에 있어서,

상기 제 34 단계는,

상기 제 33 단계에서 제시한 질의 결과를 사용자 인터페이스에 맞도록 정렬하고 특정 기준을 적용하여 결과의 일부를 삭제하여 필터링하는 조작을 통해 후처리 결과를 생성하는 것을 포함하여 수행하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.
청구항 15에 있어서,

상기 제 35 단계는,

상기 제 33 단계의 질의 결과 또는 상기 제 34 단계의 후 처리 결과를 이용하여 추론 결과를 생성하고, URI 서버를 참조하여 추론 결과 생성 대상 URI의 개념-값 관계와 연결된 값을 추출하여 추론 결과를 제시하는 것을 포함하여 수행하는 것을 특징으로 하는 DBMS 기반 지식 확장 및 추론 서비스 방법.