KR20110020462A - 지능형 질의 응답 검색 시스템 및 방법 - Google Patents
지능형 질의 응답 검색 시스템 및 방법 Download PDFInfo
- Publication number
- KR20110020462A KR20110020462A KR1020090078081A KR20090078081A KR20110020462A KR 20110020462 A KR20110020462 A KR 20110020462A KR 1020090078081 A KR1020090078081 A KR 1020090078081A KR 20090078081 A KR20090078081 A KR 20090078081A KR 20110020462 A KR20110020462 A KR 20110020462A
- Authority
- KR
- South Korea
- Prior art keywords
- query
- triple
- response
- rdf
- triples
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플에 기반한 질의 응답 검색 시스템에서의 지능형 질의 응답 검색 방법은 텍스트를 구성하는 복수의 문장을 RDF 트리플의 집합으로 변환하고, 질의문이 입력되면 질의문을 쿼리 트리플이 포함된 스파클(Sparql Protocol And RDF Query Language, SPARQL)로 변환하고, 변환된 RDF 트리플의 집합에서 쿼리 트리플과 일치하는 트리플을 검색하며, 트리플이 일치하는 개수가 많은 순서대로 문장을 정렬하여 검색 결과로 제공한다.
RDF 트리플, SPARQL, 트리플 리파지토리, 자연언어 검색, 의미 검색, 질의 응답 시스템
Description
본 발명은 텍스트에 대한 질의 응답 검색 방법에 관한 것이다.
종래의 정보 검색 방법은 키워드 패턴 매칭 방식의 검색에 국한하고 형태적 동일성에 의존하여 검색 키워드와 모양이 같은 형태가 들어있는 모든 자료를 검색하여 제공한다.
이러한 정보 검색 방법은 키워드 패턴 매칭에 의한 과다한 검색 결과로 인하여 원하는 내용을 일일이 찾아야 하는 수고를 피할 수 없다.
형태적 동일 여부에 의존하는 방식은 예를 들어, "김태희의 나이는?"이라는 질의에 "김태희"와 "나이"가 포함된 많은 자료를 나열식으로 보여주는 것에 불과할 뿐 "30세"라는 정확한 답을 제공할 수 없다.
또한, 종래의 정보 검색 방법은 예를 들어, "맛있는 배"의 검색 결과에 "타는 배", "신체 부위 배". "갑절 배" 등 잉여 정보를 끝없이 찾아 검색 결과로 제공한다. 따라서, 정보를 검색하는 이용자는 과다한 검색 결과로 인하여 자신이 원하는 정보를 신속하게 검색할 수 없는 문제점이 있었다.
이와 같은 문제점을 해결하기 위하여, 본 발명은 리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플의 일치도에 기반한 지능형 질의 응답 검색 시스템 및 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 달성하기 위한 본 발명의 특징에 따른 리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플에 기반한 질의 응답 검색 시스템에서의 지능형 질의 응답 검색 방법은 텍스트를 구성하는 복수의 문장을 RDF 트리플의 집합으로 변환하는 단계; 질의문이 입력되면 상기 질의문을 쿼리 트리플이 포함된 스파클(Sparql Protocol And RDF Query Language, SPARQL)로 변환하는 단계; 및 상기 변환된 RDF 트리플의 집합에서 상기 쿼리 트리플과 일치하는 트리플을 검색하고 트리플이 일치하는 개수가 많은 순서대로 문장을 정렬하여 검색 결과로 제공하는 단계를 포함한다.
본 발명의 특징에 따른 리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플에 기반한 지능형 질의 응답 검색 시스템은 텍스트를 구성하는 복수의 문장을 RDF 트리플의 집합으로 변환하고 질의문이 입력되면 검색 조건을 구성하는 쿼리 트리플을 포함한 스파클(Sparql Protocol And RDF Query Language, SPARQL)로 변환하는 RDF 트리플/스파클 변환부; 상기 변환된 RDF 트리플의 집합에서 상기 쿼리 트리플을 비교하여 일치하는 트리플이 포함된 문장의 일치 하는 트리플 개수를 검색하는 응답 처리부; 및 상기 일치하는 트리플 개수가 많은 문장부터 순서대로 정렬하여 검색 결과를 제공하는 응답 제공부를 포함한다.
전술한 구성에 의하여, 본 발명은 텍스트를 구성하는 복수의 문장과 질의문을 RDF 트리플로 변환하여 의미적인 처리를 기반으로 질의 응답 검색 시스템을 제공한다.
본 발명은 지식과 정보의 의미를 이해하고 처리하는 지능형 의미 기반의 지식 정보 처리가 가능한 효과를 기대할 수 있다.
본 발명은 의미 기반의 지식 정보 처리가 가능하므로 정확한 답을 제공할 수 있고 지능적인 정보 검색이 가능하다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 실시예에 따른 리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플의 일치도에 기반한 지능형 질의 응답 검색 시스템의 구성을 나타낸 블록도이다.
본 발명의 실시예에 따른 지능형 질의 응답 검색 시스템은 사용자 인터페이스(100), 자연언어 처리부(200), RDF 트리플/스파클(Sparql Protocol And RDF Query Language, SPARQL) 변환부(300), 트리플 리파지토리(Repository) 시스템(400), 온톨로지 처리부(500), 응답 처리부(600) 및 응답 제공부(700)를 포함한다.
사용자 인터페이스(100)는 텍스트를 구성하는 복수의 문장을 입력받는다. 또한, 사용자 인터페이스(100)는 복수의 문장을 포함한 파일, 웹 문서 등 텍스트로 구성할 수 있는 정보이면 어떠한 수단도 가능하다.
자연언어 처리부(200)는 형태소 분석부(210), 어절 생성부(220) 및 문장 성분 분석부(230)를 포함한다.
형태소 분석부(210)는 도 2에 도시된 바와 같이, 사용자 인터페이스(100)로부터 수신한 복수의 문장을 전자 사전을 이용하여 형태소로 분석한다. 여기서, 형태소는 문장을 구성하는 요소 중 의미를 가진 가장 작은 단위를 의미한다.
어절 생성부(220)는 도 3에 도시된 바와 같이, 형태소 분석부(210)에서 출력된 형태소와 형태소의 정보를 이용하여 어절을 생성한다. 여기서, 어절은 맞춤법에 맞게 쓰여진 문장에서 공백으로 구분되는 문장 구성 요소를 의미하고 품사적 성격에 따라 체언(NN), 용언(VV), 긍정 지정사(VNP), 관형사(MM), 부사(MA), 감탄 사(IC), 접속사(CONJ)로 구분된다.
문장 성분 분석부(230)는 도 3에 도시된 바와 같이, 어절 생성부(220)에서 출력된 어절의 문장 내에서의 역할을 분석한다. 여기서, 문장 성분은 역할에 따라 주어(SBJ), 목적어(OBJ), 보어(CMP), 수식어(MOD), 부가어(AJT), 접속어(CNJ), 독립어(INT)로 구분된다.
RDF 트리플/스파클 변환부(300)는 문장 분절부(310), RDF 트리플 변환부(320), 스파클 변환부(330) 및 스파클 수정부(340)를 포함한다.
문장 분절부(310)는 도 4에 도시된 바와 같이, 자연언어 처리부(200)로부터 수신된 문장 성분의 분석 결과를 이용하여 문장을 체언 블록(N), 복합 명사 블록(N), 고유 명사 블록(P), 단위 명사 블록(U), 속격 블록(G), 대등 연결 블록(O), 용언 블록(V), 관형어 블록(C), 부사어 블록(B), 절 블록(S), 의문 블록(Q)으로 나누어 문장 분절 정보를 생성한다.
RDF 트리플 변환부(320)는 자연언어 처리부(200)에서 출력되는 문장 성분의 분석 결과와 문장 분절부(310)에서 출력되는 문장 분절 정보를 이용하여 복수의 문장을 RDF 트리플의 집합으로 변환한다(도 5에 도시함). 여기서, RDF 트리플은 단위 지식과 정보를 서브젝트(Subject(resource)), 프레디키트(Predicate(property)), 오브젝트(Object(literal))의 세 쌍으로 나타내어 지식과 정보의 의미를 컴퓨터가 이해할 수 있는 포맷으로 월드 와이드 웹 컨소시엄(World Wide Web Consortium, W3C)이 관장하는 국제 표준이다. 여기서, 서브젝트(Subject(resource)), 프레디키트(Predicate(property)), 오브젝트(Object(literal))의 세 쌍을 트리플이라고 한 다.
스파클 변환부(330)는 도 6에 도시된 바와 같이, 사용자 인터페이스(100)를 통해 수신된 질의문을 쿼리 트리플(Query Triple, QT)로 구성된 스파클로 변환한다. 여기서, 쿼리 트리플(QT)은 스파클에서 "WHERE" 부분을 구성하는 RDF 트리플을 의미하는 것으로 트리플 검색의 조건을 정의한다. 스파클은 RDF 트리플에 특화된 쿼리 언어로서 W3C에서 관장하는 국제 표준이다.
스파클 수정부(340)는 온톨리지 처리부와 연동하여 스파클 변환부(330)로부터 생성된 스파클을 트리플 리파지토리 시스템(400)에 저장되어 있는 복수의 RDF 트리플과의 형태를 맞추기 위해서 스파클을 수정한다(도 8에 도시함).
트리플 리파지토리 시스템(400)은 RDF 트리플 변환부(320)로부터 수신한 RDF 트리플의 집합을 저장하고 RDF 트리플의 집합의 삭제, 갱신, 정렬 및 검색 기능을 제공한다.
온톨로지 처리부(500)는 클래스 처리부(510), 프라퍼티 처리부(520) 및 추론 엔진부(530)를 포함한다.
클래스 처리부(510)는 W3C에서 제정한 표준 프라퍼티인 'rdfs:subClassOf', 'owl:equivalentClass'와 자체 설정한 프라퍼티인 'superClassOf' 관계에 있는 클래스 처리를 수행한다.
클래스 처리부(510)는 도 7에 도시된 바와 같이, '벌금 rdfs:subClassOf 벌칙'(벌금은 벌칙에 속한다)와 같이 클래스의 상하위 관계, 등위 관계를 처리한다.
프라퍼티 처리부(520)는 W3C에서 제정한 표준 프라퍼티인 'rdfs:domain', 'rdfs:range', 'rdfs:subPropertyOf', 'owl:equivalentProperty'와 자체 설정한 프라퍼티인 'superPropertyOf' 관계에 있는 프라퍼티 처리를 수행한다.
프라퍼티 처리부(520)는 프라퍼티(Property)의 상하위 관계, 등위 관계와 각 프라퍼티를 속성으로 가질 수 있는 클래스 도메인(rdfs:domain)과 각 프라퍼티의 대상이 될 수 있는 레인지(rdfs:range) 관계를 처리한다. 예를 들어, '"벌금을 부과하다" rdfs:subPropertyOf 처벌하다'("벌금을 부과하다"는 "처벌하다"에 속한다)와 같이 프라퍼티(Property)의 상하위 관계, 등위 관계를 표현한다.
추론 엔진부(530)는 클래스와 프라퍼티 간의 관계를 추론을 통하여 스파클을 수정한다. 다시 말해, 추론 엔진부(530)는 'S rdfs:subClassOf 01 + 01 rdfs:subClassOf 02 -> S rdfs:subClassOf 02'와 같은 추론 규칙이 적용되며 예를 들어 RDF 트리플 '과태료 rdfs:subClassOf 벌금'과 '벌금 rdfs:subClassOf 벌칙'에 적용하여 '과태료 rdfs:subClassOf 벌칙'을 추론하여 도 6의 '?x 질의대상 벌칙'이라는 RDF 트리플을 도 8의 '?x 질의대상 과태료'까지 확장할 수 있다.
응답 처리부(600)는 트리플 비교부(610), 트리플 정렬부(620), 응답 요구 트리플 비교부(630) 및 응답 추출부(640)를 포함한다.
트리플 비교부(610)는 스파클의 검색 조건인 쿼리 트리플(QT)을 트리플 리파지토리 시스템(400)에 저장되어 있는 RDF 트리플의 집합과 비교하여 일치하는 RDF 트리플을 검색한다.
트리플 비교부(610)는 예를 들어, 도 5의 RDF 트리플과 도 8의 스파클에서 도시한 바와 같이, RDF 트리플 '자 침해 특허권'이 일치하여 도 8의 스파클에 해당 하는 도 5의 문장 '특허권을 침해한 자는 7년 이하의 징역 또는 1억원 이하의 벌금에 처한다'를 검색한다.
트리플 정렬부(620)는 트리플 비교부(610)로부터 쿼리 트리플(QT)과 일치하는 RDF 트리플 개수를 기초로 RDF 트리플이 일치하는 개수가 많은 문장부터 순서대로 정렬한다. 즉, 트리플 정렬부(620)는 트리플 리파지토리 시스템(400)에 저장되어 있는 RDF 트리플의 집합에서 쿼리 트리플(QT)과 일치하는 개수가 많을수록 의미적 밀접도가 높다고 판단한다.
응답 요구 트리플 비교부(630)는 질의문을 변환한 스파클에 응답 요구 쿼리 트리플(QT)이 있는 경우, 트리플 리파지토리 시스템(400)에 저장되어 있는 RDF 트리플의 집합에서 응답 요구 쿼리 트리플(QT)과 일치하는 RDF 트리플을 검색한다.
여기서, 응답 요구 쿼리 트리플(QT)은 질의문을 변환한 스파클의 쿼리 트리플(QT) 중 프레디키트(Predicate)에 '질의대상'과 같은 특별한 형태를 포함하며 오브젝트(Object)에 구체적인 질의 내용을 포함한다.
응답 추출부(640)는 쿼리 트리플(QT)과 일치하는 RDF 트리플에서 응답 요구 쿼리 트리플(QT)의 오브젝트(Object)의 질의 내용을 검색하여 응답을 추출한다.
응답 추출부(640)는 쿼리 트리플(QT)과 일치하는 개수가 가장 많은 문장에서 응답을 추출하지 못하는 경우, 해당 문장의 전후 임의의 개수의 문장들의 RDF 트리플에서 응답 요구 쿼리 트리플(QT)의 오브젝트(Object)의 질의 내용을 검색하여 응답을 추출한다.
응답 제공부(700)는 트리플 정렬부(620), 응답 추출부(640)와 연동하여 RDF 트리플이 일치하는 개수가 많은 문장부터 순서대로 검색 결과를 출력하고 검색 결과 출력시 응답이 있는 경우 검색 결과와 함께 응답을 출력한다(도 9에 도시함).
도 10은 본 발명의 실시예에 따른 RDF 트리플의 일치도에 기반한 지능형 질의 응답 검색 방법을 나타낸 도면이다.
사용자 인터페이스(100)는 텍스트를 구성하는 복수의 문장을 입력받는다(S100). 자연언어 처리부(200)는 사용자 인터페이스(100)로부터 수신한 복수의 문장을 전자 사전을 이용하여 형태소로 분석하고 그 결과를 이용하여 어절을 생성하며 어절의 문장 내에서의 역할을 분석한다(S102).
문장 분절부(310)는 자연언어 처리부(200)로부터 수신한 문장 성분의 분석 결과를 이용하여 문장을 블록 단위로 분절하여 문장 분절 정보를 생성한다(S104).
RDF 트리플 변환부(320)는 자연언어 처리부(200)에서 출력되는 문장 성분의 분석 결과와 문장 분절부(310)에서 출력되는 문장 분절 정보를 이용하여 복수의 문장을 RDF 트리플의 집합으로 변환한다(S106).
RDF 트리플 변환부(320)는 사용자 인터페이스(100)로부터 입력된 문장이 질의문이 아닌 경우, 변환한 RDF 트리플의 집합을 트리플 리파지토리 시스템(400)에 저장한다(S108, S110).
스파클 변환부(330)는 사용자 인터페이스(100)로부터 입력된 문장이 질의문인 경우, 사용자 인터페이스(100)를 통해 수신된 질의문을 쿼리 트리플(QT)로 구성된 스파클로 변환한다(S108, S112).
스파클 수정부(340)는 온톨로지 처리부(500)와 연동하여 생성된 스파클을 트 리플 리파지토리 시스템(400)에 저장되어 있는 복수의 RDF 트리플과의 형태를 맞추기 위해서 클래스와 프라퍼티 간의 추론 관계를 통해 스파클을 수정한다(S114).
트리플 비교부(610)는 스파클의 검색 조건인 쿼리 트리플(QT)을 트리플 리파지토리 시스템(400)에 저장되어 있는 RDF 트리플의 집합과 비교하여 일치하는 RDF 트리플을 검색한다(S116).
트리플 정렬부(620)는 트리플 비교부(610)로부터 쿼리 트리플(QT)과 일치하는 RDF 트리플 개수를 기초로 RDF 트리플이 일치하는 개수가 많은 문장부터 순서대로 정렬한다(S118).
응답 요구 트리플 비교부(630)는 질의문을 변환한 스파클의 쿼리 트리플(QT) 중 프레디키트(Predicate)가 '질의대상'인 RDF 트리플이 존재하지 않는 경우, 트리플 정렬부(620)에서 검색한 검색 결과를 응답 제공부(700)로 전송한다(S120). 이어서, 응답 제공부(700)는 RDF 트리플이 일치하는 개수가 가장 많은 문장부터 순서대로 출력한다(S122).
응답 요구 트리플 비교부(630)는 질의문을 변환한 스파클의 쿼리 트리플(QT) 중 프레디키트(Predicate)가 '질의대상'인 RDF 트리플이 존재하는 경우, 트리플 리파지토리 시스템(400)에 저장되어 있는 상기 RDF 트리플이 일치하는 개수가 가장 많은 문장의 RDF 트리플의 집합에서 응답 요구 쿼리 트리플(QT)과 일치하는 RDF 트리플을 검색한다(S120, S124).
응답 추출부(640)는 상기 쿼리 트리플(QT)과 일치하는 RDF 트리플에서 응답 요구 쿼리 트리플(QT)의 오브젝트(Object)에 있는 질의 내용을 검색하여 응답을 추 출하여 응답 제공부(700)로 전송한다(S126).
응답 제공부(700)는 RDF 트리플이 일치하는 개수가 많은 문장부터 순서대로 검색 결과를 출력하고 검색 결과 출력시 응답이 있는 경우 검색 결과와 함께 응답을 출력한다(S128).
이상에서 설명한 본 발명의 실시예는 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
도 1은 본 발명의 실시예에 따른 RDF 트리플의 일치도에 기반한 지능형 질의 응답 검색 시스템의 구성을 나타낸 블록도이다.
도 2는 본 발명의 실시예에 따른 형태소 분석의 일례를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 어절 생성 및 문장 성분 분석의 일례를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 문장의 블록 단위 분절의 일례를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 문장을 RDF 트리플로 변환한 일례를 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 질의문을 스파클로 변환한 일례를 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 클래스 처리부에서 클래스 간의 관계를 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 질의문의 스파클을 복수의 RDF 트리플과의 형태를 맞추기 위해서 스파클을 수정한 일례를 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 응답 제공부에서 출력한 검색 결과 및 응답을 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 RDF 트리플의 일치도에 기반한 지능형 질의 응답 검색 방법을 나타낸 도면이다.
Claims (11)
- 리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플에 기반한 질의 응답 검색 시스템에서의 지능형 질의 응답 검색 방법에 있어서,텍스트를 구성하는 복수의 문장을 RDF 트리플의 집합으로 변환하는 단계;질의문이 입력되면 상기 질의문을 쿼리 트리플이 포함된 스파클(Sparql Protocol And RDF Query Language, SPARQL)로 변환하는 단계; 및상기 변환된 RDF 트리플의 집합에서 상기 쿼리 트리플과 일치하는 트리플을 검색하고 트리플이 일치하는 개수가 많은 순서대로 문장을 정렬하여 검색 결과로 제공하는 단계를 포함하는 지능형 질의 응답 검색 방법.
- 제1항에 있어서,상기 변환한 스파클 중 프레디키트(Predicate)에 '질의대상'과 같은 특별한 형태의 트리플의 존재 유무를 통해 응답 요구 쿼리 트리플인지 판단하고 상기 응답 요구 쿼리 트리플이 있는 경우, 상기 검색 결과에서 상기 응답 요구 쿼리 트리플과 일치하는 트리플을 검색하여 응답을 추출하는 단계를 더 포함하는 지능형 질의 응답 검색 방법.
- 제2항에 있어서,상기 응답을 추출하는 단계는,상기 검색 결과에서 상기 응답 요구 쿼리 트리플의 오브젝트(Object)에 있는 질의 내용과 일치하는 트리플을 검색하여 응답을 추출하는 단계를 포함하는 지능형 질의 응답 검색 방법.
- 제2항에 있어서,상기 응답을 추출하는 단계는,상기 트리플이 일치하는 개수가 가장 많은 제1 문장에서 상기 응답 요구 쿼리 트리플의 오브젝트(Object)에 있는 질의 내용과 일치하는 트리플을 검색하지 못한 경우 상기 제1 문장의 전후 임의의 개수의 문장들의 트리플을 검색하여 상기 응답을 찾는 단계를 포함하는 지능형 질의 응답 검색 방법.
- 제2항 내지 제4항 중 어느 한 항에 있어서,상기 응답 요구 쿼리 트리플은 프레디키트(Predicate)에 '질의대상'과 같은 특별한 형태와 오브젝트(Object)에 있는 질의 내용을 포함하는 지능형 질의 응답 검색 방법.
- 제1항에 있어서,상기 변환한 스파클을 상기 변환된 RDF 트리플의 집합과의 형태를 맞추기 위하여 클래스와 프라퍼티 간의 관계를 추론하여 상기 변환한 스파클을 수정하는 단 계를 더 포함하는 지능형 질의 응답 검색 방법.
- 제1항에 있어서,상기 RDF 트리플의 집합으로 변환하는 단계는,상기 복수의 문장을 형태소 분석, 어절 생성, 문장 성분을 분석하여 분석 결과를 생성하는 단계;상기 분석 결과를 이용하여 문장을 구성하는 요소에 따라 블록 단위로 나누어 문장 분절 정보를 생성하는 단계; 및상기 분석 결과와 상기 문장 분절 정보를 이용하여 상기 복수의 문장을 RDF 트리플의 집합으로 변환하는 단계를 포함하는 지능형 질의 응답 검색 방법.
- 리소스 디스크립션 프레임워크(Resource Description Framework, RDF) 트리플에 기반한 지능형 질의 응답 검색 시스템에 있어서,텍스트를 구성하는 복수의 문장을 RDF 트리플의 집합으로 변환하고 질의문이 입력되면 검색 조건을 구성하는 쿼리 트리플을 포함한 스파클(Sparql Protocol And RDF Query Language, SPARQL)로 변환하는 RDF 트리플/스파클 변환부;상기 변환된 RDF 트리플의 집합에서 상기 쿼리 트리플을 비교하여 일치하는 트리플이 포함된 문장의 일치하는 트리플 개수를 검색하는 응답 처리부; 및상기 일치하는 트리플 개수가 많은 문장부터 순서대로 정렬하여 검색 결과를 제공하는 응답 제공부를 포함하는 지능형 질의 응답 검색 시스템.
- 제8항에 있어서,상기 응답 처리부는 상기 변환한 스파클 중 프레디키트(Predicate)에 '질의대상'과 같은 특별한 형태의 트리플의 존재 유무를 통해 응답 요구 쿼리 트리플인지 판단하는 지능형 질의 응답 검색 시스템.
- 제8항에 있어서,상기 응답 처리부는 상기 변환한 스파클에서 응답 요구 쿼리 트리플이 있는 경우, 상기 응답 요구 쿼리 트리플의 오브젝트(Object)의 질의 내용이 있는 트리플을 상기 검색 결과에서 검색하여 응답을 추출하는 지능형 질의 응답 검색 시스템.
- 제10항에 있어서,상기 응답 처리부는 상기 일치하는 트리플 개수가 가장 많은 제1 문장에서 상기 질의 내용의 트리플과 일치하는 트리플을 검색하지 못하는 경우 상기 제1 문장의 전후 임의의 개수의 문장들의 트리플에서 질의 내용을 검색하여 상기 응답을 추출하는 지능형 질의 응답 검색 시스템.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090078081A KR101107760B1 (ko) | 2009-08-24 | 2009-08-24 | 지능형 질의 응답 검색 시스템 및 방법 |
US12/860,988 US20110047178A1 (en) | 2009-08-24 | 2010-08-23 | System and method for searching and question-answering |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090078081A KR101107760B1 (ko) | 2009-08-24 | 2009-08-24 | 지능형 질의 응답 검색 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110020462A true KR20110020462A (ko) | 2011-03-03 |
KR101107760B1 KR101107760B1 (ko) | 2012-01-20 |
Family
ID=43606153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090078081A KR101107760B1 (ko) | 2009-08-24 | 2009-08-24 | 지능형 질의 응답 검색 시스템 및 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20110047178A1 (ko) |
KR (1) | KR101107760B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160007017A (ko) * | 2014-07-10 | 2016-01-20 | 네이버 주식회사 | 논리적 물리적 2중 구조를 이용한 자연어 질의 검색 방법 및 시스템 |
KR101662450B1 (ko) * | 2015-05-29 | 2016-10-05 | 포항공과대학교 산학협력단 | 다중 소스 하이브리드 질의응답 방법 및 시스템 |
WO2018026034A1 (ko) * | 2016-08-04 | 2018-02-08 | 주식회사 다이퀘스트 | 링크드 데이터를 이용한 퀴즈생성방법 및 장치 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120101860A1 (en) * | 2010-10-25 | 2012-04-26 | Ezzat Ahmed K | Providing business intelligence |
KR20120087217A (ko) * | 2010-11-24 | 2012-08-07 | 한국전자통신연구원 | 장소 사회적 관계기반 소셜 미디어 서비스를 위한 시맨틱 온톨로지 동적 재구성 방법 및 관리 장치 |
US8949225B2 (en) * | 2012-05-22 | 2015-02-03 | Oracle International Corporation | Integrating applications with an RDF repository through a SPARQL gateway |
US9183265B2 (en) * | 2012-06-12 | 2015-11-10 | International Business Machines Corporation | Database query language gateway |
US9710568B2 (en) | 2013-01-29 | 2017-07-18 | Oracle International Corporation | Publishing RDF quads as relational views |
KR101444926B1 (ko) * | 2013-01-29 | 2014-10-07 | (주)센솔로지 | 장치간 협의 방법, 그리고 이를 구현한 의사소통 장치 |
CN104750709A (zh) * | 2013-12-26 | 2015-07-01 | ***通信集团公司 | 一种语义检索方法及*** |
US9836503B2 (en) | 2014-01-21 | 2017-12-05 | Oracle International Corporation | Integrating linked data with relational data |
JP2017514256A (ja) * | 2014-04-24 | 2017-06-01 | セマンティック・テクノロジーズ・プロプライエタリー・リミテッド | オントロジアライナ方法、セマンティックマッチング方法及び装置 |
US9594743B2 (en) * | 2014-07-25 | 2017-03-14 | Collaborative Drug Discovery, Inc. | Hybrid machine-user learning system and process for identifying, accurately selecting and storing scientific data |
US10127274B2 (en) * | 2016-02-08 | 2018-11-13 | Taiger Spain Sl | System and method for querying questions and answers |
JP2017151860A (ja) * | 2016-02-26 | 2017-08-31 | 富士通株式会社 | 検索制御プログラム、検索制御装置及び検索制御方法 |
US11157564B2 (en) * | 2018-03-02 | 2021-10-26 | Thoughtspot, Inc. | Natural language question answering systems |
KR102130779B1 (ko) * | 2018-11-28 | 2020-07-08 | 주식회사 솔트룩스 | 기계 독해를 위한 문서를 제공하는 시스템 및 이를 포함하는 질의 응답 시스템 |
CN111949781B (zh) * | 2020-08-06 | 2021-11-19 | 贝壳找房(北京)科技有限公司 | 一种基于自然语句句法分析的智能交互方法及装置 |
CN112768052A (zh) * | 2021-01-07 | 2021-05-07 | 重庆中肾网络科技有限公司 | 一种基于知识图谱推理的智能分诊方法 |
CN113515605B (zh) * | 2021-05-20 | 2023-12-19 | 中晨田润实业有限公司 | 基于人工智能的智能机器人问答方法和智能机器人 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100844265B1 (ko) * | 2006-11-30 | 2008-07-07 | 주식회사 케이티프리텔 | 시멘틱 웹을 이용한 목적지 검색 서비스 제공 방법 및시스템 |
US20080288442A1 (en) * | 2007-05-14 | 2008-11-20 | International Business Machines Corporation | Ontology Based Text Indexing |
US8032525B2 (en) * | 2009-03-31 | 2011-10-04 | Microsoft Corporation | Execution of semantic queries using rule expansion |
CN101872349B (zh) * | 2009-04-23 | 2013-06-19 | 国际商业机器公司 | 处理自然语言问题的方法和装置 |
US8204865B2 (en) * | 2009-08-26 | 2012-06-19 | Oracle International Corporation | Logical conflict detection |
-
2009
- 2009-08-24 KR KR1020090078081A patent/KR101107760B1/ko active IP Right Grant
-
2010
- 2010-08-23 US US12/860,988 patent/US20110047178A1/en not_active Abandoned
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160007017A (ko) * | 2014-07-10 | 2016-01-20 | 네이버 주식회사 | 논리적 물리적 2중 구조를 이용한 자연어 질의 검색 방법 및 시스템 |
KR101662450B1 (ko) * | 2015-05-29 | 2016-10-05 | 포항공과대학교 산학협력단 | 다중 소스 하이브리드 질의응답 방법 및 시스템 |
WO2018026034A1 (ko) * | 2016-08-04 | 2018-02-08 | 주식회사 다이퀘스트 | 링크드 데이터를 이용한 퀴즈생성방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR101107760B1 (ko) | 2012-01-20 |
US20110047178A1 (en) | 2011-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101107760B1 (ko) | 지능형 질의 응답 검색 시스템 및 방법 | |
US9448995B2 (en) | Method and device for performing natural language searches | |
US10585924B2 (en) | Processing natural-language documents and queries | |
JP2011118689A (ja) | 検索方法及びシステム | |
Yang et al. | Sentiment analysis for Chinese reviews of movies in multi-genre based on morpheme-based features and collocations | |
Liu et al. | Measuring accuracy of triples in knowledge graphs | |
KR101654717B1 (ko) | 지식 데이터베이스 기반 구조화된 질의 생성 방법 및 장치 | |
Vollmers et al. | Knowledge graph question answering using graph-pattern isomorphism | |
Pan et al. | Entity enabled relation linking | |
Radoev et al. | A language adaptive method for question answering on French and English | |
Zhang et al. | Event-based summarization method for scientific literature | |
Rouces et al. | Complex Schema Mapping and Linking Data: Beyond Binary Predicates. | |
Al-Smadi et al. | Leveraging linked open data to automatically answer Arabic questions | |
US20210064642A1 (en) | Resolving queries using structured and unstructured data | |
Fudholi et al. | Ontology-based information extraction for knowledge enrichment and validation | |
AU2019233821A1 (en) | Method and system for data curation | |
Andrews et al. | Sense induction in folksonomies: a review | |
US20220229998A1 (en) | Lookup source framework for a natural language understanding (nlu) framework | |
Abebe et al. | Supporting concept location through identifier parsing and ontology extraction | |
Oita et al. | Cross-Fertilizing Deep Web Analysis and Ontology Enrichment. | |
Sunitha et al. | Automatic summarization of Malayalam documents using clause identification method | |
KR102130779B1 (ko) | 기계 독해를 위한 문서를 제공하는 시스템 및 이를 포함하는 질의 응답 시스템 | |
US20200042594A1 (en) | Proposition identification in natural language and usage thereof | |
Nguyen et al. | On designing the SONCA system | |
Emani et al. | Improving open information extraction for semantic web tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20160107 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20170109 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20180119 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20190110 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20200210 Year of fee payment: 9 |