Semantic web Open Seminar“시맨틱 웹과 인공지능 기술 동향 및 구현사례”

Technology Trends for LOD and Semantic Web

2010. 07.26

이 경 일

목 차

1. 시맨틱 웹 개요• 5관점 시맨틱 웹• 웹 데이터 상호운용• 기업 데이터 상호운용• 지식 공유와 표현

2. 시맨틱 웹 기술 동향

Page 1

2. 시맨틱 웹 기술 동향• 표준화 동향• 기술 발전 동향• LOD 동향• RDFa 활용 동향

3. 향후 발전 전망

Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?Semantic Web, again?

Page 2

시맨틱시맨틱 웹웹

지능형 에이전트온톨로지 (OWL)

시맨틱 웹 개념

Page 3

시맨틱시맨틱 웹웹[[[데이터의데이터의데이터의 웹웹웹]]]

의미 메타데이터 (RDF) 주석 달린 웹 (RDFa,HTML5)

• URI , RDF 기반 데이터의 웹

• 의미 주석 달린 웹 (RDFa)

5관점 시맨틱 웹

Page 4

• 온톨로지와 술어논리

• OWL과 DL

• 추론과 계획, 의사결정

• 전문가 시스템, 상황인지

• 데이터 상호운용성

• 트리플과 그래프

• 시맨틱 검색, 마이닝

• 정보 추천, 정보 발견

WWWWWWWWW

웹 데이터 공유와 상호운용?

Page 5

WWWWWWWWW

50/60Hz100/110/120/125/127/200/210/220/230/240V

웹 데이터 공유와 상호운용?

Page 6

subscribing

billing

phone call

m-commerce

content usage

promotion

기업 데이터 공유와 상호운용?

Page 7

location

CRM

기업 데이터 공유와 상호운용?

Page 8

자연 언어(Natural Language)

글로 쓰여진 사람의 말 : “지구는 타원 궤도로 태양을 돌고 있다”

시각 언어(Visual Language)

그림, 구조도, 흐름도, 설계도 등 시각적으로 지식을 표현

주석, 태깅(Tagging)

개체에 연관된 키워드, 기호, 이미지 등을 부착해 지식을 표현

기호 언어(Symbolic Language)

수학 등을 포함해 기호로 표현된 지식 : x2/a2 + y2/b2 = 1

의사 결정 나무(Decision Tree)

복잡한 의사 결정을 위해 구성된 나무 모양의 그래프 구조

사람

지식 공유? ���� 지식 표현!

Page 9

(Decision Tree)

규칙(Rules)

인간 지식을 여러 규칙들의 조건부 결합으로 표현

데이터베이스(Database System)

개체와 관계로 구성된 테이블 형태의 지식 표현 체계

논리 언어(Logical Language)

논리 기호, 연산을 통한 지식 표현 : Woman ≡ Person ∩ Female

프레임 언어(Frame Language)

값 혹은 타 프레임의 포인터를 저장한 슬롯들로 지식 표현

시맨틱 네트워크(Semantic Network)

개념간의 의미적 관계를 그래프 구조로 구성한 지식 표현

통계적 지식(Statistical Knowledge)

확률과 통계에 기반한 지식 표현, 기계 학습 기술 접목 가능

기계

“기업에 종사하는 종업원은 사람들이고, 기업과 종업원은 모두 법적 존재이다.

기업은 직원들을 위해 여행 예약을 할 수 있다. 여행은 한국 내 도시, 혹 미국의

도시를 오고 가는 비행기 혹은 기차를 통해 가능하다. 기업들과 출장지는 도시에

위치하고 있다. 솔트룩스는 홍길동을 위해 서울과 뉴욕 왕복 항공편인 OZ510을

예약하였다.”

자연 언어

지식의 표현

Page 10

규칙 언어

(규칙) 만약 누군가가 날고 있다면, 여행중인 것이다.

(규칙) 만약 누군가의 여행이 한 회사에서 예약되었다면, 그는 그 회사의 종업원이다.

(규칙 추가) 만약 동일 국가의 근거리 여행이라면, 종업원은 기차를 이용해야 한다.

(추론) 비행 예약이 되어 있는 홍길동은 솔트룩스의 종업원이다

(추론) OZ510은 미국과 한국을 오가는 비행편이다.

법적 존재

사람 기업 도시

위치

여행

kind

Of

kind

Of

endsIn

startFrom

books

법적 존재

사람 기업

subcl

ssO

f

사람 기업

subcl

ssO

finstanceO

f

법적 존재이름

고유번호

성별나이

업종주소지

사람 기업

subcl

ssO

f

instanceOf

법적 존재이름 (필수)

고유번호 (필수)

성별 ⊆ {남,녀}나이 > 25

업종주소지 ⊂ 서울

DISJOINT

온톨로지(Ontology)

지식의 표현

Page 11

종업원

홍길동

솔트룩스

비행기 기차 한국 도시 미국 도시

뉴욕

서울

OZ510

kind

Of

instnaceOf

instanceOf

instanceOf

instan

ceOf

participatesIn

inst

ance

Of

종업원

홍길동

솔트룩스

subcl

ssO

f

instanceOf

inst

ance

Of

종업원

#3502

#4831su

bcl

ssO

finstanceO

fin

stan

ceO

f직급

홍길동

37과장

P12345남자

솔트룩스

서울 삼성동

C98765소프트웨어

종업원

#3502

#4831

subcl

ssO

f

instanceOf

inst

ance

Of

직급 ≠ 임원

홍길동

37과장

P12345남자

솔트룩스

서울 삼성동

C98765소프트웨어

(a) 시맨틱 네트워크 (b) (a) + 프레임(프로퍼티) (c) (b) + 논리 제약

온톨로지(Ontology)

Technology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology TrendsTechnology Trends

Page 12

OWL2 ?

• 2004년 RDF/S와 OWL의 첫 표준 발표

• OWL 기반의 상용 기술 개발 중 대용량 처리 등 어려움 직면

• OWL DL은 종종 다항 시간에 답을 내지 못하는 문제 있음

• W3C는 2009년 말, OWL 2 표준을 통해 산업계의 요구사항 수용

• OWL 2는 세가지 프로파일을 정의함으로 다항시간 내 추론 가능

Page 13

OWL2 ?

프로파일 특 징

OWL2 EL

• 클래스 혹은 속성이 대단히 많은 응용에 적합

• EL의 제약 조건과 공리만을 사용하면, 많은 수의 클래스와 속성을 가진 온톨로지에 대해서 다항시간 내에 결정가능 추론 가능

• 인스턴스가 대단히 많은, A-Box 추론 성능이 중요한 응용

Page 14

OWL2 QL

• 인스턴스가 대단히 많은, A-Box 추론 성능이 중요한 응용에서 권고

• 기존의 RDB와 결합해 사용 가능한 장점을 가짐.

• QL 질의는 모두 SQL로 변환 가능, 표현력이 낮은 단점

OWL2 RL

• 상대적으로 적은 표현력 손실과 대용량 처리가 동시 필요할 때 권고

• 온톨로지의 일관성 점검(consistency check)과 포함관계(subsumption) 추론이 가능하며, 동시에 규칙 기반 추론을 적용할 수 있는 장점 보유

The Future of RDF??

• W3C에서 RDF Next Steps 워크샵 개최 (June 26, 2010)

• 향후 Working Group에서 진행해야할 중요 주제로 다음의 5가지 선정– Adding support for graph identification (such as with named graphs)– Fixing known errors and shortcomings in the specifications– Standardizing Turtle– A syntax related to Turtle to support for embedded/named graphs– Standardizing an RDF serialization based on JSON

Page 15

The Future of RDF??

Page 16

The Future of RDF??

• TBL에 뒤늦게 Workshop에 참여, 자신의 소신 밝힘– Cleaning up the RDF model– Extending the RDF model to allow N3– Extending N3– Ontologies on top of N3– Extending N3 Including RIF features

• N3와 관련된 강력한 의지 표현!

Page 17

<#pat> <#knows> <#jo> . <#pat> <#age> 24 .

<#pat> <#age> 24; <#eyecolor> "blue" . <#al> <#age> 3; <#eyecolor> "green" . <#jo> <#age> 5; <#eyecolor> "green" .

age eyecolor

pat 24 blue

al 3 green

jo 5 green

{?x family:parent ?y. ?y family:brother ?z} => {?x family:uncle ?z}.

HTML5

• The canvas element for immediate mode 2D drawing. • Timed media playback• Offline storage database (offline web applications)• Document editing• Drag-and-drop• Cross-document messaging• Browser history management

Page 18

Browser history management• MIME type and protocol handler registration

• Microdata• Geolocation• Local SQL Database[17]. Web SQL Database• Indexed hierarchical key-value store

http://www.chromeexperiments.com/http://www.chromeexperiments.com/http://www.chromeexperiments.com/http://www.chromeexperiments.com/

Scal

abili

ty

Performace

시맨틱 기술의 발전

Page 19

Performace

ExpressivityData

Dynamics

<성능 평가 지표>

Scal

abili

ty

Telco

UbiComp

Soci

al N

et

년 도 성 능

2005• 500M triples

시맨틱 기술의 발전 : 대용량 처리

Page 20

Expressivity

Telco

EnterpriseSearch

Medical

Soci

al N

et

2005• 500M triples• OWL DLP

2009• 10B triples• OWL DL Horst

Scal

abili

ty

Soci

al N

et Telco

UbiComp 년 도 성 능

• 500M triples

시맨틱 기술의 발전 : 질의 속도

Page 21

Performance

Soci

al N

et Telco

EnterpriseSearch

Medical

2005• 500M triples• 1~40S (LUBM1000)

2009• 10B triples• 0.01~5S (LUBM1000)

Scal

abili

ty

Soci

al N

et Telco

UbiComp 년 도 성 능

• 500M triples

시맨틱 기술의 발전 : 로딩 속도

Page 22

Data Dynamics

Soci

al N

et

EnterpriseSearch

Medical

2005• 500M triples• 15KTPS

2009• 10B triples• 50KTPS , >200KTPS

2004 (V 1.2)

시맨틱 기술의 발전 : 추론 속도

Page 23

2004 (V 1.2)

2006 (V 1.5)

2008 (V 2.0)

Scal

abili

tySc

alab

ility

Scal

abili

ty

Scal

abili

tySc

alab

ility

Scal

abili

ty

???

시맨틱 기술 최적화 방안?

Page 24

ExpressivityExpressivityExpressivity ExpressivityExpressivityExpressivity

???

Enhanced algorithm

Materialization

Distributed Computing

WithoutOptimization

AfterOptimization

시맨틱 기술 최적화 방안?

Page 25

Approximation

Lean KR model

Query optimization+ Query/Data Cache

Algorithm Materialization

Query

Medical

E. Search

Social Net

Mobile

Ubiquitous

시맨틱 기술 최적화 방안?

Page 26

Distribution

ApproximationLean KR model

QueryOptimization(+ Cache)

• W3C의 LOD(Linking Open Data)프로젝트를 통한 시맨틱 웹 기반의공개 데이터 연계

• URI와 SPARQL EndPoint 적용,

LOD project : Linking Open Data

Page 27

• URI와 SPARQL EndPoint 적용, 현재 4.2 billion 이상의 트리플

• 바이오, 공간정보, 위키피디아 등방대한 데이터 연결 (142M links)

• 최근 data.gov, data.gov.uk 등국가 DB 공개/활용 촉진

LOD project : Linking Open Data

Page 28

• Use URIs as names for things

• Use HTTP URIs so that people can look up those names.

• When someone looks up a URI, provide useful information, using the standards (RDF*, SPARQL)

• Include links to other URIs. so that they can discover more things.

• 다양한 Sparql Endpoints 참조 : http://esw.w3.org/SparqlEndpoints

Linked Data and SPARQL Endpoints

Page 29

<Content negotiation Process>

Linked Data and Gov. Data

Page 30

https://www.knowledge.go.kr/jsp/pissc/publicInfo.jsp http://www.egovframe.go.kr/Egovcmm.jsp

Gov. Open Data in Korea ???

Page 31

Open Graph : FaceBook

Page 32

Yahoo, NYT and Best Buy

Page 33

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @Prefix skos: <http://www.w3.org/2004/02/skos/core#> . <http://topics.nytimes.com/top/reference/timestopics/people/b/ray_bradbury#concept> a skos:Concept; skos:prefLabel "Bradbury, Ray"; skos:broader <http://topics.nytimes.com/top/reference/timestopics/people#concept>; skos:inScheme <http://topics.nytimes.com/top/reference/timestopics#conceptScheme> .

Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?Next Steps ?

Page 34

시맨틱 검색 ?

Semantic Web Search

vs.

Page 35

vs.

Semantic Search

시맨틱 웹 검색

Page 36

Web 1.0 Web 2.0 Web 3.0? : Semantic Web ??

검색 소셜 네트워크 연결, 발견 예측, 추론

정 보 사 람 지 식 지 능

2000 2005 2010 2015 2020

시맨틱 검색 : 연결과 발견!

Page 37

정보 처리 정보 분석 지식 공유

수집, 관찰 연결, 재조직 발견분석

• 자연 언어

• 시각 언어

• 정보 태깅

“기업에 종사하는 종업원은 사람들이고,

기업과 종업원은 모두 법적 존재이다. 기

업은 직원들을 위해 여행 예약을 할 수

• 시맨틱 넷

• 규칙과 논리

• 확률 통계

?

시맨틱 검색 : 연결과 발견!

Page 38

업은 직원들을 위해 여행 예약을 할 수

있다. 여행은 한국 내 도시, 혹 미국의 도

시를 오고 가는 비행기 혹은 기차를 통해

가능하다. 기업들과 출장지는 도시에 위

치하고 있다. 솔트룩스는 홍길동을 위해

서울과 뉴욕 왕복 항공편인 OZ510을 예

약하였다.”

키워드 검색 시맨틱 검색

?

유 형 설 명

1의미모호성해소 검색

• 시장(mayor, market, hunger), 말(speech, horse, checker, end) 등의 용어 의미를구분해 색인, 검색 시 의미에 따른 분류 수행

• 개체명 인식, 시맨틱 어노테이션, 용어 군집, 온톨로지 기술 등 적용

2어휘 개념확장 검색

• 핸드폰=휴대폰=셀룰라폰, 과일⊃사과∋부사, 정치인⊃대통령∋이명박 등의 개념적 상하위 관계, 동의어/유의어 관계, 인스턴스 등을 확장 검색

• 시소러스(워드넷) 및 온톨로지 활용, 질의 시 포함관계 추론 가능

• 온톨로지 파퓰레이션 등 자동화 기술 통한 자동 구축 가능

솔트룩스.대표이사, 솔트룩스.주소, 솔트룩스.제품 등과 같이 검색 대상 개체의 구

시맨틱 검색의 유형

Page 39

3개체 특징확장 검색

• 솔트룩스.대표이사, 솔트룩스.주소, 솔트룩스.제품 등과 같이 검색 대상 개체의 구체적 특징들에 대해 확장 검색할 수 있는 기능

• 트리플 관점에서 보면 predicate를 통한 정보 네비게이션 형태를 취함

• 구축된 온톨로지를 활용하거나, 텍스트로부터 부분 구문분석(partial parsing)을 통해 관련 정보를 자동 추출 가능(네이트 시맨틱 검색 유형)

4연관 주제확장 검색

• 천안함-침몰-어뢰, 장동건-고소영-결혼 등과 같이 연관된 주제들을 연결해 확장 검색할 수 있는 기능

• 특정 주제를 둘러싼 컨텍스트와 트랜드 이해를 목적으로 함

• 공기어분석, LSA, 토픽랭크 등의 분석 기법 적용

5의도 기반

검색

• 냉면-맛집/요리법/역사, 청담동-교통/식당/카페 등, 사용자의 검색 의도에 따른 목적 주제를 제시하는 검색

• 사용자 로그 등 검색 패턴 분석을 통해 주제에 따른 사용자 의도 발견, 주제별 인덱싱

시맨틱 소셜 네트워크 분석

Page 40

맺음말

Page 41

Thank you!