온톨로지 기반 의미적 유사성 검색 기법 (Semantic Similarity Search based on Ontology)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 데이타베이스연구 / 22권 / 2호 / 33 ~ 47페이지
· 저자명 : 김기성, 유상원, 김형주

초록

정보도 늘어나는 추세이다. 의미 정보란 데이터 객체가 갖는 여러 의미를 온톨로지 용어를 사용해 표현한 데이터를 말한다. 의미 정보의 한 예로, 최근 대부분의 생물학 데이터베이스에서 유전자 산물의 기능을 나타내기위해 Gene Ontology(GO)의 용어를 사용한 주석 정보를 들 수 있다. 의미적 유사성 검색은 온톨로지와 의미 정보를 이용해 유사한 의미를 갖는 객체를 검색하는 기법이다. 전통적인 유사성 검색과는 달리 의미적 유사성 검색은 비 메트릭 공간에 대한 검색이다. 본 논문에서는 이러한 의미적 유사성 처리 기법에 대해 제안한다. 우선,의미적 유사성 함수가 갖는 여러 성질에 대해 알아보고 이를 이용한 질의 처리기법을 제안하였다. 비 메트릭 공간에서의 검색을 위해 역색인 리스트를 사용한 질의 처리 방식을 사용하며, 객체의 탐색 횟수를 줄이기 위한 기법을 제안하였다. 실제의 G O와 유전자 산물에 대한 주석 정보를 사용한 실험을 통해 제안한 알고리즘이 효율적이며 확장성을 갖고 있음을 보였다.

영어초록

As ontologies are widely used for sharing of domain knowledge, the amount of semantic information is also increasing. Semantic information of an object means the data which is represented with ontology terms to describe some properties of the object. The annotation data of Gene Ontology(GO) is a representative example of such semantic information, which describes the biological functionalities of gene products. Semantic similarity search is a technique that exploits the semantic information. Traditionally, similarity search considers the metric space. But the search space of semantic similarity search is non metric space. In this paper, we propose a query evaluation scheme for semantic similarity search. Firstly we investigate the properties of semantic similarity function and then we exploit these properties for semantic similarity search. For searching in non metric space, we use the inverted index lists and propose some methods to avoid useless accesses. Using GO and its annotation data as the real-life data, we show that the proposed method is efficient and scalable.

참고자료

· 없음