본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

초록보기

지식 서비스 시스템이 효과적인 서비스를 제공하기 위해서는, 명시된 지식을 바탕으로 새로운 지식을 추론 할 수 있어야 한다. 대부분 지식 서비스 시스템은 온톨로지로 지식을 표현한다. 실 세계의 지식 정보의 양은 점점 방대해지고 있으며, 따라서 대용량 온톨로지를 효과적으로 추론하는 기법이 요구되고 있다. 본 논문은 클라우드 컴퓨팅 환경을 기반으로 대용량 온톨로지를 RDFS수준으로 추론하기 위한 분산 테이블 조인 방법을 제안하고, 성능을 평가한다. 본 논문에서 제안하는 RDFS 추론은 분산 파일 시스템 환경에서 RDFS 메타 테이블을 기반으로 맵-리듀스를 적용한 방식과, 맵-리듀스를 사용하지 않고 클라우드 컴퓨터의 메모리만 사용한 방식에 초점을 맞추었다. 따라서 본 논문에서는 제안하는 각 기법에 대한 추론 시스템 구조와 RDFS 추론 규칙에 따른 메타 테이블 설계 및 추론 전략 알고리즘에 대해서 중점적으로 설명한다. 제안하는 기법의 효율성을 검증하기 위해 온톨로지 추론과 검색 속도를 평가하는 공식 데이터인 LUBM1000부터 LUBM6000을 대상으로 실험을 수행 하였다. 가장 큰 LUBM6000(8억 6천만 트리플)의 경우, 메타 테이블 기반의 RDFS 추론 기법은 전체 추론 시간이 13.75분(초당 1,042 트리플 추론) 소요된 반면, 클라우드 컴퓨터의 메모리를 적용한 방식은 7.24분(초당 1,979 트리플 추론)이 소모되어 약 2배정도 빠른 추론 속도를 보였다.

The Knowledge service system needs to infer a new knowledge from indicated knowledge to provide its effective service. Most of the Knowledge service system is expressed in terms of ontology. The volume of knowledge information in a real world is getting massive, so effective technique for massive data of ontology is drawing attention. This paper is to provide the method to infer massive data-ontology to the extent of RDFS, based on cloud computing environment,？and evaluate its capability. RDFS inference suggested in this paper is focused on both the method applying MapReduce based on RDFS meta table, and the method of single use of cloud computing memory without using MapReduce under distributed file computing environment. Therefore, this paper explains basically the inference system structure of each technique, the meta table set-up according to RDFS inference rule, and the algorithm of inference strategy. In order to evaluate suggested method in this paper, we perform experiment with LUBM set which is formal data to evaluate ontology inference and search speed. In case LUBM6000, the RDFS inference technique based on meta table had required 13.75 minutes(inferring 1,042 triples per second) to conduct total inference, whereas the method applying the cloud computing memory had needed 7.24 minutes(inferring 1,979 triples per second) showing its speed twice faster.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
X-means 클러스터링을 이용한 악성 트래픽 탐지 방법 박근수, 한명지, 임지혁, 최준용, 김현준, 서정주, 유철, 김성렬 pp.617-624

스마트폰 가속도계를 이용한 점프동작 자동인식 촬영 전경구, 최경윤 pp.633-641

의미적 의존 링크 토픽 모델을 이용한 생물학 약어 중의성 해소 김선호, 윤준태, 서정연 pp.652-665

비제약적 환경에서 얼굴 주요위치 특징 서술자 기반의 얼굴인식 변혜란, 김대옥, 홍종광 pp.666-673

클라우드 컴퓨팅 환경에서의 대용량 RDFS 추론을 위한 분산 테이블 조인 기법 박영택, 이완곤, 김제민 pp.674-685

대용량 스트리밍 센서데이터 환경에서 RDFS 규칙기반 병렬추론 기법 권순현, 박영택 pp.686-698

대용량 XML 문서의 키워드 검색을 위한 레이블링 기법 황수찬, 선동한 pp.699-706

API간 상호 의존성 및 최단거리 분석을 통한 안드로이드 애플리케이션의 개인정보 유출 탐지 기법 박용수, 김도래 pp.707-714

계산속도 및 정확도의 적응적 제어가 가능한 다단계 문서 비교 시스템 조환규, 서종규, 탁해성 pp.728-743

차량용 반도체의 품질 확보를 위한 사양 및 설계 개발 프로세스 수립 도성룡, 한혁수 pp.625-632

LTE에서 사용자 위치 정보 보호를 위한 보안 향상 인증 프로토콜 허준범, 한창희, 권현수 pp.715-727

한국어 형태소 분석을 위한 음절 단위 확률 모델 심광섭 pp.642-651

가상화 환경의 고성능 I/O를 위한 반가상화 라이브러리 엄영익, 이동우, 조영중 pp.605-610

효율적인 데이터 중복제거를 위한 GPGPU 병렬 라빈 핑거프린팅 박찬익, 마정현, 박세진 pp.611-616

참고문헌 (12건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 1 ] Weaver, Jesse, and James A. Hendler, "Parallel materialization of the finite rdfs closure for hundreds of millions of triples," The Semantic Web-ISWC 2009, Springer Berlin Heidelberg, pp. 682-697, 2009. 미소장
2 Marvin: Distributed reasoning over large-scale Semantic Web data 네이버 미소장
3 3 ] Oren, Eyal, et al., "Marvin: A platform for largescale analysis of Semantic Web data," 2009. 미소장
4 WebPIE: A Web-scale Parallel Inference Engine using MapReduce 네이버 미소장
5 5 ] Urbani, Jacopo, et al., "WebPIE: a web-scale parallel inference engine," Third IEEE International Scalable Computing Challenge (SCALE2010), Held in Conjunction with the 10th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid 2010), Melbourne, Australia, 2010. 미소장
6 SWI-Prolog 네이버 미소장
7 Hive 네이버 미소장
8 8 ] Kornacker, Marcel, and Justin Erickson, "Cloudera Impala: real-time queries in Apache Hadoop, for real," 2012-10 [2013-02]. http://blog. cloudera. com/ blog/2012/10/cloudera-impalareal-time-queries-in-a pache-hadoop-for-real, 2012. 미소장
9 Experiment and Simulation for Evaluation of Jena Storage Plug-inConsidering Hierarchical Structure 소장
10 Dogwon Jeong, Myounghoi Choi, Young-Sik Jeong, Sung-Kook Han, "Implementation and Evaluation of a Web Ontology Storage based on Relation Analysis of OWL Elemnets and Query Patterns," Journal of KIISE : Database, Vol. 35, No. 3, pp. 231-242, Jun. 미소장
11 Klyne, Graham, and Jeremy J. Carroll, "Resource description framework (RDF): Concepts and abstract syntax," 2006. 미소장
12 Brickley, Dan, and Ramanathan V. Guha, "{RDF vocabulary description language 1.0: RDF schema}," 2004. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기