WO2017150820A1 - 지식베이스 기반의 개념그래프 확장 시스템 - Google Patents

지식베이스 기반의 개념그래프 확장 시스템 Download PDF

Info

Publication number
WO2017150820A1
WO2017150820A1 PCT/KR2017/001592 KR2017001592W WO2017150820A1 WO 2017150820 A1 WO2017150820 A1 WO 2017150820A1 KR 2017001592 W KR2017001592 W KR 2017001592W WO 2017150820 A1 WO2017150820 A1 WO 2017150820A1
Authority
WO
WIPO (PCT)
Prior art keywords
concept
graph
triple
conceptual
concept graph
Prior art date
Application number
PCT/KR2017/001592
Other languages
English (en)
French (fr)
Inventor
최성필
Original Assignee
경기대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경기대학교 산학협력단 filed Critical 경기대학교 산학협력단
Publication of WO2017150820A1 publication Critical patent/WO2017150820A1/ko

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

Definitions

  • the present invention relates to a question and answer technique, and more particularly to a paraphrase generation technique for a query.
  • An object of the present invention is to provide a technical solution that can help the comprehensiveness and scalability of the question and answer.
  • the concept graph extension system is extended by using the reference information stored in the relationship triple knowledge base based on the relation triple knowledge base storing the reference information for the concept graph expansion and the concept graph converted from a query composed of natural language sentences. It may include a conceptual graph extension module that generates a conceptual graph of the form.
  • the concept graph may include concept nodes representing at least some objects constituting the query and relationship nodes representing a relationship between the concept nodes.
  • the concept graph extension module can expand a concept graph around a concept node and iteratively expand an extended concept graph around a concept node.
  • the concept graph extension system may visualize the concept graph and provide it through a user interface, and may further include a concept graph extension visualization module that works with the concept graph extension module.
  • the reference information stored in the relationship triple knowledge base may include information about a concept entity and a relationship triple representing a relationship between the concept entities.
  • the relation triple knowledge base may have a schema structure for storing relational knowledge data.
  • the database schema structure of the relationship triple knowledge base consists of a first specification containing concept labels and definition statements and links, a second specification containing attributes and relationship labels and definition statements linking concepts, and a set of relationship triples for objects.
  • the first information and the second information may be stored, the third information including a relationship between the attributes, and the fourth information designating a range of values to be stored in the attributes.
  • the concept graph extension module selects one or more concept objects to extend from the query triplet set in the query concept graph, extracts a triple set from the definition statements of the selected concept object, and uses the selected definition triples from the extracted definition statement triple sets. You can extend the concept graph.
  • the concept graph extension module may select a concept object of high importance from the concept objects belonging to the question triple set.
  • the concept graph extension module compares the definition triple and the question triple set to remove duplicate definition triples, selects the definition triple that matches the subject triple or subject or object, and selects the selected definition triple. You can select a triple definition statement that matches the subject and the object or object. You can remove all remaining triples.
  • query paraphrase and extension that can help the comprehensiveness and extensibility of the query response based on the concept graph are possible.
  • FIG. 1 is a block diagram for a conceptual graph-based query translation and expansion according to an embodiment.
  • FIG. 2 is an exemplary diagram illustrating a conceptual graph for a specific question.
  • 3 is an exemplary diagram related to query conceptual graph extension.
  • FIG. 4 is a conceptual diagram of a query conceptual graph extension system according to an exemplary embodiment.
  • FIG. 5 shows an example of a database schema structure for storing wiki data.
  • FIG. 6 is a block diagram illustrating a knowledgebase based conceptual graph extension system according to an exemplary embodiment.
  • FIG. 7 illustrates an example of a conceptual graph extended input / output test bed screen.
  • FIG. 10 is a block diagram illustrating a query concept graph extension system to which a query concept graph extension visualization module is added, according to an exemplary embodiment.
  • FIG. 11 shows an example of a conceptual graph extension visualization module configuration.
  • 13 is an exemplary view showing the initial expansion of the concept graph.
  • FIG. 14 is an exemplary diagram illustrating an additional conceptual node extension for “Big Bang”.
  • FIG. 1 is a block diagram for paraphrase and extension of a conceptual graph based query according to an embodiment
  • FIG. 2 is an exemplary diagram illustrating a conceptual graph for a specific question
  • FIG. 3 is an exemplary diagram related to conceptual graph expansion.
  • the concept graph generation module 100 receives a query sentences composed of natural language and generates a concept graph (CG). Since this concept graph is a concept graph generated from a query statement, it can be called query concept graph (Query CG). According to an embodiment, the concept graph generation module 100 may generate a concept graph by using a triple structure of a query sentence having subject, predicate or relation, and object information. have.
  • the concept graph may be composed of concept nodes and relationship nodes representing relationships between the concept nodes.
  • the subject and object are designated as concept nodes, and the relation is designated as relationship nodes.
  • the concept graph generation module 100 may grasp the triple structure of the query sentence, and generate the concept graph with the subject, the relationship, and the object.
  • the concept graph generation module 100 said, “Carbon emission trading system was introduced to regulate the emission of greenhouse gases causing global warming, and Korea plans to implement it next year. What is the international agreement that laid the foundation for the carbon emission trading system ”can be generated in the form of a query, as shown in FIG. This is called the original concept graph.
  • the concept graph extension module 200 receives the original concept graph from the concept graph generation module 100 and expands it.
  • the concept graph expansion module 200 converts the input original concept graph into a semantic triple set and then performs a concept graph expansion algorithm to be described later.
  • Conceptual graph extension algorithm can be performed based on the knowledge base.
  • the concept graph extension module 200 may derive the sentences written on the left side of FIG. 3 based on the semantic triple set and knowledge base converted from the original concept graph, and from this, the triple as shown in the table on the right side of FIG. A set can be created, and an extended conceptual graph can be generated based on the generated triple set.
  • FIG. 4 is a conceptual diagram of a conceptual graph extension system according to an exemplary embodiment.
  • Conceptual graphs contain a variety of information, including entity names such as person names, place names, organization names, etc., as well as their relationships, attribute names, and attribute values.
  • subject and object are entities (conceptual entities), and relationships can be called predicates.
  • the disclosed system has a flexible structure that can be extended to all these elements. All the elements that constitute the nodes and connections of the generated conceptual graph can be assumed to be semantically distinct and unambiguous. However, the disclosed system can be used to provide context and ambiguity resolution information so that it can be appropriately extended depending on the context. It is configured to be processed by additional input.
  • various reference information may be applied according to a situation. For example, it is possible to implement a conceptual graph extension system based on relational knowledge data such as wiki data.
  • the conceptual graph extension algorithm performed in the disclosed system is as follows.
  • the original conceptual graph entered is converted into a question triple set (meaning triple set).
  • the conceptual graph expansion module 200 selects terms to be extended in the set of questions triples.
  • the concept graph expansion module 200 selects concepts having high importance from concept entities of the concept graph.
  • the concept graph extension module 200 selects the terms listed in the wiki data among the concept entities of the concept graph as having high importance.
  • the concept graph extension module 200 may select subjects and objects selected and provided from the concept graph generation module 100 as concepts having high importance. 2
  • the concept graph expansion module 200 extracts a triple set from the definition statement of the picked-up object, and compares the extracted definition statement triple set and the question triple set.
  • the concept graph expansion module 200 returns to the process 1 according to the predetermined number of expansion iterations. In other words, if the number of extended iterations is one, it goes back to 1 process only, and if the number of extended iterations is two times, it goes back to 1 process twice. The number of extended repetitions may be specified by the user.
  • FIG. 5 shows an example of a database schema structure for storing wiki data.
  • the database structure utilized by the Wikidata-based concept graph extension system is illustrated in FIG. 5.
  • the first description includes a concept label, a definition syntax, and a link indicating an object, that is, a single page of wiki data
  • the second description includes an attribute and a relationship label connecting the concepts.
  • definition syntax For reference, the meaning of the object herein does not mean the object described above, but is a term used in Wikidata, and means an object to be described by a specific Wikipedia page. For example, if you search for a Wikipedia page with the term "information search", the page corresponding to this object is found, and the searched page describes the object.
  • the first information (Information 1) and the second information (Information 2) store a relationship triple set for an object
  • the third information (Information 3) includes a relationship between attributes. It is.
  • the fourth information (Information 4) specifies a range of values to be stored in the attribute.
  • the disclosed modular database schema is designed to accommodate not only wiki data but also various types of semantic triple databases. In particular, it is easy to refer to additional information and surrounding information for a specific concept to facilitate identification of different concepts having the same label (name).
  • FIG. 6 is a block diagram illustrating a knowledgebase based conceptual graph extension system according to an exemplary embodiment.
  • FIG. 6 shows a detailed configuration diagram of a system that sequentially expands concept nodes, attributes, etc. belonging to a concept graph in the relationship triple knowledge base 300 based on a given concept graph.
  • the concept graph extension system may include a concept graph extension module 200 and a relationship triple knowledge base 300.
  • the relationship triple knowledge base 300 stores reference information for expanding a concept graph, and the reference information includes information about a concept entity and a relationship triple representing a relationship between the concept entities.
  • the concept entity may mean a subject and an object.
  • the database schema structure of the relationship triple knowledge base 300 is as shown in FIG.
  • the conceptual graph expansion module 200 includes a user connection module 210 and a relation triple expansion module 220.
  • the user access module 210 may include a user interface 211 and a Java package interface, through which a user may call a desired function using the concept graph extension module 200 and receive a result.
  • the relation triple extension module 220 queries and queries the relation triple knowledge base 300 and obtains the knowledge base triple (relationship triple) as a result.
  • the relationship triple extension module 220 may identify an object ID of a label, identify a label of an object ID, identify a definition statement of an object, identify a label of an attribute ID, identify an ID of an attribute label, and attributes. Identify definition statements, identify object-object relationship structures, identify object-value relationship structures, filter to refined relationships, and identify wiki links for objects.
  • the triple-based conceptual graph expansion module 200 includes various types of functions. First of all, there is a module for identifying identifiers in the knowledge base 300 or vice versa for object names (labels or conceptual names). There are also functions. Detailed API specification is shown in Table 1.
  • an identifier for the node's name (concept name, entity name, object name) is needed.
  • all nodes of the conceptual graph are semantically discriminated.
  • the semantic ambiguity can be removed by mapping to a single meaning in the process of generating a concept graph and thus can have only one identifier.
  • the concept of “universe” can have a total of 23 different meanings in Wikidata as below, but it is designated as “label # 1” in the concept graph and entered as the input of this system.
  • the output of the disclosed system may be stored and provided in JSON form.
  • an extension I / O test bed in a simple client form for directly verifying the operation of the system is configured as shown in FIG. 7 so that an extension result for a specific query concept can be directly checked.
  • 1 denotes a concept name input portion
  • 2 denotes an attribute input portion
  • 3 denotes an extension range setting portion.
  • 4 is the result output part. If you enter a name or identifier and attribute corresponding to a specific concept, and an extended scope, the expanded concept is finally displayed.
  • a definition statement (English and Korean) briefly defining a concept corresponding to an input identifier is output first, and various extension concepts having a specific relationship with the input concept are output below.
  • each relationship name is also managed as an identifier, so these identifiers can be output together.
  • an additional definition statement is provided for the extended concepts with various relationships. If the extension range is increased from 1 to 2, the secondary concepts connected with the first expanded concepts may be additionally output.
  • Certain concepts in Wikidata are linked to other concepts as well as to additional information such as category information, topic names, thesaurus identifiers, image files, and input dates.
  • Figure 8 shows the expansion result for the "universe” discussed earlier.
  • “q1” denotes a specific identifier of “universe” for convenience, and English and Korean definition sentences thereof are output at the top.
  • the various kinds of relation triples that contain "universe” as the subject are printed. These triples are the result of searching in real time directly within the database and exist in relations such as “P793” and “P31”. For example, "universe"-"significant event”-"Big Bang” refer to “Big Bang” in a "space” and “significant event” relationship.
  • the disclosed system may output triples based on all relations depending on options, or output only a triple set corresponding to the relation specified in the concept graph.
  • the system includes multiple extension functions that mean more than 2nd extensions, it is more effective to avoid 2nd or more extensions as much as possible because there is a risk of deriving unnecessary information in terms of actual query conceptual graphs. have.
  • JSON files output by APIs and contents of a specific JSON file.
  • "Q1_ID_O_Triple_i.json” stores all primary triple sets that have an input concept as a subject.
  • the actual JSON file contains only the identifiers corresponding to the subject, relation, and object. Refer to the detailed information (label, English / Korean definition, wiki page number, etc.) for the identifier. To do this, use the associated API.
  • a conceptual graph extension module 400 is added to the query concept graph extension system as shown in FIG. Can be linked with (200).
  • the system can be called a query concept graph extension visualization system by distinguishing it from the query concept graph extension system, or it can be called a query concept graph extension system.
  • the concept graph extension visualization module 400 may visualize a concept graph expressed as a relationship between nodes and provide them to a user through the user interface 211.
  • the conceptual graph extension visualization module 400 may be developed based on the graph visualization module.
  • An example of a conceptual graph extension visualization module 400 is shown in FIG. 11. 11 illustrates an AJAX-based web visualization module and a client-based visualization module developed by using the concept graph extension module 200 described above.
  • WebVOWL 0.5.x http://vowl.visualdataweb.org/webvowl.html
  • OWL Web Ontology Language
  • FIG. 12 shows an example of the entire screen configuration of WebVOWL.
  • the left part of FIG. 12 is an area where a conceptual graph that can be continuously expanded is visualized and interacts with a user.
  • On the right side there is an information providing area in which the title, description, statistics, and detailed information on the selected node are output. Through this, the user can check specific information about a specific concept node and relationship node.
  • “critical event” as a relation node is selected, and detailed information about “critical event” is output in the information providing area.
  • the node may be selected by the user.
  • there is a utility area at the bottom of the screen to perform operations such as screen manipulation, external export, gravity adjustment, filtering, and reassembly.
  • Existing WebVOWL takes a single static and static OWL file as input and visualizes it, whereas the disclosed system has been reconfigured to output a constantly expanding dynamic conceptual graph.
  • FIG. 13 is an exemplary diagram illustrating an initial expansion of a conceptual graph
  • FIG. 14 is an exemplary diagram illustrating an additional conceptual node expansion for a “big bang”
  • FIG. 15 is an example of a detailed extended conceptual graph for “Gorge Le Metre”.
  • These figures show the concept graph continuously expanding, starting with a specific subject (“universe”), showing the characteristics of the disclosed system. As shown in FIG. 13, if the original original concept graph includes a concept node called "universe,” it can be extended around a specific relationship ("critical event") to obtain new additional concept nodes. . Examples include “expansion theory”, “big bang nuclear synthesis”, and “big bang”.
  • the related concept nodes include "general relativity” and “opposite concept” formed in a “total-part” relationship as shown in FIG. Relational "normal cosmology” nodes, and “discoverer” relations, can be derived.
  • the results of performing the concept node extension for “Gorgeous Le Metre” are shown in FIG. 15. As shown in FIG. 15, when there are a plurality of object nodes for a specific relationship, virtual nodes are configured and connected.
  • Performance evaluation criteria are as follows. To select the incorrect triple entry, first of all, the relationship between the two conceptual words is awkward triples (“Smart City”-“kind”-“movie”), and triples whose overall meaning may be unclear or different if they are expanded as part of the concept graph. "Social Network”-"Higher Classification”-”Social Construct”), triples ("barcode”-"type”-”machine-readable”) whose object meaning is indeterminate, and conceptual graph-based question and answer systems Considered all inappropriate triples ("Massachusetts Institute of Technology"-"website account”-”researchgate”) to be incorrect triples. Of the total 142 triplets, 25 false triplets were present and the accuracy was calculated to be 78.63%.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (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

개념그래프 확장 시스템이 개시된다. 이 시스템은 개념그래프 확장을 위한 참조 정보가 저장된 관계트리플 지식베이스, 및 자연어 문장으로 이루어진 질의로부터 변환된 개념그래프를 바탕으로 관계트리플 지식베이스에 저장된 참조 정보를 이용하여 확장된 형태의 개념그래프를 생성하는 개념그래프 확장 모듈을 포함할 수 있다.

Description

지식베이스 기반의 개념그래프 확장 시스템
본 발명은 질의응답 기술에 관한 것으로, 특히 질의에 대한 의역 생성 기술에 관한 것이다.
종래에는 표면적 상이성을 가진 두 텍스트의 의미적 연관성 및 유사성을 식별하는 연구가 활발히 진행되어 왔다. 대부분 연구들의 세부적인 목적은 정보 검색(information retrieval), 질의응답(question answering) 혹은 문서 요약(summarization) 등에서 특정 의미에 대한 서로 다른 표층적 언어 표현들이 성능 저하의 요인이 되지 않도록 하는 것이다. 그리고 이러한 의역 식별 및 생성(paraphrase recognition and generation)에 대한 연구는 초창기에 위에서 나열한 세부 분야들에 속한 하위 요소 연구로서 질의 확장(query expansion)이나 구문 추출(keyphrase extraction) 등과 같은 분야명 하에 수행되었다. 그러나 현재는 텍스트 추론(textual inference)이라는 큰 틀에서 독립적으로 연구가 진행 중에 있다. 그러나 지금까지도 대부분의 연구들이 주어진 두 문장이 서로 의미적으로 연관되어 있는지를 결정하는 의역 식별(paraphrase recognition)에 초점이 맞추어져 있으며 의역 생성(paraphrase generation)에 대한 연구는 상대적으로 부족한 실정이다.
본 발명은 질의응답의 포괄성 및 확장성에 도움을 줄 수 있는 기술적 방안을 제공함을 목적으로 한다.
일 양상에 따른 개념그래프 확장 시스템은 개념그래프 확장을 위한 참조 정보가 저장된 관계트리플 지식베이스, 및 자연어 문장으로 이루어진 질의로부터 변환된 개념그래프를 바탕으로 관계트리플 지식베이스에 저장된 참조 정보를 이용하여 확장된 형태의 개념그래프를 생성하는 개념그래프 확장 모듈을 포함할 수 있다.
개념그래프는 질의를 구성하는 적어도 일부 객체들을 나타낸 개념 노드들과 개념 노드간의 관계를 나타낸 관계 노드들을 포함할 수 있다.
개념그래프 확장 모듈은 개념 노드를 중심으로 개념그래프를 확장할 수 있으며, 확장된 개념 그래프를 개념 노드를 중심으로 반복 확장할 수 있다.
개념그래프 확장 시스템은 개념그래프를 가시화하여 사용자 인터페이스를 통해 제공하며, 개념그래프 확장 모듈과 연동하는 개념그래프 확장 가시화 모듈을 더 포함할 수 있다.
관계트리플 지식베이스에 저장된 참조 정보에는 개념 개체 및 개념 개체간 관계를 나타내는 관계 트리플에 대한 정보가 포함될 수 있다.
관계트리플 지식베이스는 관계형 지식 데이터 저장을 위한 스키마 구조를 가질 수 있다.
관계트리플 지식베이스의 데이터베이스 스키마 구조는 개념 레이블과 정의문 및 링크를 포함하는 제 1 명세와, 개념들을 연결하는 속성과 관계 레이블 및 정의문을 포함하는 제 2 명세와, 객체에 대한 관계 트리플 집합이 저장된 제 1 정보 및 제 2 정보와, 속성들 사이의 관계가 포함된 제 3 정보, 및 속성에 저장될 값의 범위를 지정한 제 4 정보를 포함할 수 있다.
개념그래프 확장 모듈은 질의 개념그래프의 질문 트리플 집합에서 확장할 하나 이상의 개념 개체를 선택하고, 선택된 개념 개체의 정의문에서 트리플 집합을 추출하며, 추출된 정의문 트리플 집합으로부터 선택된 정의문 트리플을 이용하여 개념그래프를 확장할 수 있다.
개념그래프 확장 모듈은 질문 트리플 집합에 속하는 개념 개체들 중에서 중요도가 높은 개념 개체를 선택할 수 있다.
중요도가 높은 개념 개체는 관계트리플 지식베이스에 등재된 용어일 수 있다.
개념그래프 확장 모듈은 정의문 트리플 집합과 질문 트리플 집합을 비교하여 중복되는 정의문 트리플을 제거하고, 질문 트리플과 주어(subject) 또는 목적어(object)가 일치하는 정의문 트리플을 선택하고, 선택된 정의문 트리플과 주어(subject) 또는 목적어(object)가 일치하는 정의문 트리플을 선택하며, 나머지 정의문 트리플은 모두 제거할 수 있다.
개시된 시스템에 따르면, 개념그래프를 기반으로 한 질의 응답의 포괄성 및 확장성에 도움을 줄 수 있는 질의 의역 및 확장이 가능해진다.
도 1은 일 실시예에 따른 개념그래프 기반의 질의 의역 및 확장을 위한 블록도이다.
도 2는 특정 질문에 대한 개념그래프를 나타낸 예시도이다.
도 3은 질의 개념그래프 확장과 관련된 예시도이다.
도 4는 일 실시예에 따른 질의 개념그래프 확장 시스템 개념도이다.
도 5는 위키데이터 저장을 위한 데이터베이스 스키마 구조의 예를 나타낸다.
도 6은 일 실시예에 따른 지식베이스 기반 개념그래프 확장 시스템을 나타낸 블록도이다.
도 7은 개념그래프 확장 입출력 테스트베드 화면의 예를 나타낸다.
도 8은 “universe” 개념에 대한 확장 결과 화면의 예를 나타낸다.
도 9는 개념그래프 확장 시스템을 구성하는 API들의 출력 결과물의 예를 나타낸다.
도 10은 일 실시예에 따른 질의 개념그래프 확장 가시화 모듈이 추가된 질의 개념그래프 확장 시스템을 나타낸 블록도이다.
도 11은 개념그래프 확장 가시화 모듈 구성의 예를 나타낸다.
도 12는 WebVOWL의 전체 화면 구성의 예를 나타낸다.
도 13은 개념그래프 초기 확장을 나타낸 예시도이다.
도 14는 “빅뱅”에 대한 추가적인 개념 노드 확장을 나타낸 예시도이다.
도 15는 “조르주 르메트르”에 대한 상세 확장 개념그래프의 예를 나타낸다.
전술한, 그리고 추가적인 본 발명의 양상들은 첨부된 도면을 참조하여 설명되는 바람직한 실시예들을 통하여 더욱 명백해질 것이다. 이하에서는 본 발명을 이러한 실시예를 통해 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 설명하기로 한다.
도 1은 일 실시예에 따른 개념그래프 기반의 질의 의역 및 확장을 위한 블록도이이고, 도 2는 특정 질문에 대한 개념그래프를 나타낸 예시도이며, 도 3은 개념그래프 확장과 관련된 예시도이다. 개념그래프 생성 모듈(100)은 자연어로 구성된 질의 문장(query sentences)을 입력받아 개념그래프(concept graph, CG)를 생성한다. 이 개념그래프는 질의 문장으로부터 생성된 개념그래프이므로, 질의 개념그래프(Query CG)라 부를 수 있다. 일 실시예에 있어서, 개념그래프 생성 모듈(100)은 주어(subject), 술부(predicate) 혹은 관계(relation), 목적어(object) 정보를 가지는 질의 문장의 트리플 구조를 이용하여 개념그래프를 생성할 수 있다.
개념그래프는 개념 노드들과 개념 노드 간에 관계를 나타내는 관계 노드들로 구성될 수 있다. 일 실시예에 있어서, 주어(subject)와 목적어(object)는 개념 노드로 지정되며, 관계(relation)는 관계 노드로 지정된다. 따라서, 개념그래프 생성 모듈(100)은 질의 문장에 대해 트리플 구조를 파악하고, 주어와 관계 및 목적어를 가지고 개념그래프를 생성할 수 있다. 예를 들어, 개념그래프 생성 모듈(100)이 “탄소 배출권 거래제는 지구 온난화를 유발하는 온실가스의 배출을 규제하기 위해 도입된 제도로, 우리나라는 내년부터 시행할 계획이다. 탄소 배출권 거래제의 초석을 마련한 국제 협약은 무엇일까”를 질의 문장으로 입력받을 경우, 도 2와 같은 개념그래프를 생성할 수 있다. 이를 원본 개념그래프라 한다.
개념그래프 확장 모듈(200)은 개념그래프 생성 모듈(100)로부터 원본 개념그래프를 입력받아 이를 확장한다. 일 실시예에 있어서, 개념그래프 확장 모듈(200)은 입력된 원본 개념그래프를 의미적 트리플 집합으로 변환한 다음에 후술할 개념그래프 확장 알고리즘을 수행한다. 개념그래프 확장 알고리즘은 지식베이스를 기반으로 수행될 수 있다. 개념그래프 확장 모듈(200)은 원본 개념그래프로부터 변환된 의미적 트리플 집합과 지식베이스에 근거하여 도 3의 좌측에 씌여진 문장들을 도출할 수 있고, 이로부터 도 3의 우측에 도시된 표와 같이 트리플 집합을 생성할 수 있으며, 생성된 트리플 집합에 근거하여 확장된 개념그래프를 생성할 수 있다.
도 4는 일 실시예에 따른 개념그래프 확장 시스템 개념도이다. 개념그래프에는 다양한 정보가 포함되어 있는데, 인명, 지명, 기관명 등과 같은 개체명은 물론 그들 간의 관계, 속성명, 및 속성값들이 존재한다. 참고로, 주어와 목적어는 개체(개념 개체)이며, 관계는 술부라 할 수 있다. 개시된 시스템은 이들 모든 요소를 대상으로 확장이 가능하도록 유연한 구조를 가진다. 생성되는 개념그래프의 노드 및 연결을 구성하는 모든 요소는 의미적으로 분별되어 모호성이 없는 형태라고 가정할 수 있으나, 개시된 시스템은 그렇지 않은 경우에도 문맥에 따라 적절한 확장이 가능하도록 문맥 및 모호성 해소 정보를 추가적으로 입력하여 처리할 수 있도록 구성하였다. 그리고 상황에 따라서 다양한 참조 정보가 적용될 수 있으며, 일 예로 위키데이터와 같은 관계형 지식 데이터를 기반으로 한 개념그래프 확장 시스템 구현이 가능하다. 개시된 시스템에서 수행되는 개념그래프 확장 알고리즘은 다음과 같다.
Figure PCTKR2017001592-appb-I000001
위의 알고리즘이 수행되기 전에, 입력된 원본 개념그래프는 질문 트리플 집합(의미적 트리플 집합)으로 변환된다. ① 과정에서, 개념그래프 확장 모듈(200)은 질문 트리플 집합에서 확장할 용어들을 선택한다. 일 실시예에 있어서, 개념그래프 확장 모듈(200)은 개념그래프의 개념 개체(concept entity) 중에서 중요도(significance)가 높은 개념들을 선정한다. 예를 들어, 개념그래프 확장 모듈(200)은 개념그래프의 개념 개체 중에서 위키데이터에 등재된 용어를 중요도가 높은 것으로 선정한다. 다른 예로, 개념그래프 확장 모듈(200)은 개념그래프 생성 모듈(100)에서 선택되어 제공되는 주어(subject)와 목적어(object)를 중요도가 높은 개념들로 선정할 수 있다. ② 과정에서, 개념그래프 확장 모듈(200)은 샌택된 개체의 정의문에서 트리플 집합을 추출하며, 추출된 정의문 트리플 집합과 질문 트리플 집합을 비교한다. 비교를 통해, 질문 트리플과 중복되는 정의문 트리플은 제거하고, 질문 트리플과 주어(subject) 혹은 목적어(object)가 일치하는 정의문 트리플을 선택하며, 선택된 정의문 트리플과 주어(subject) 혹은 목적어(object)가 일치하는 정의문 트리플을 선택한다. 그리고 나머지 정의문 트리플은 모두 제거한다. ③ 과정에서, 개념그래프 확장 모듈(200)은 정해진 확장 반복 횟수에 따라 ① 과정으로 돌아간다. 즉, 확장 반복 횟수가 1회일 경우에는 ① 과정으로 한 번만 돌아가며, 확장 반복 횟수가 2회일 경우에는 ① 과정으로 두 번 돌아가는 것이다. 확장 반복 횟수는 사용자에 의해 지정될 수 있다.
도 5는 위키데이터 저장을 위한 데이터베이스 스키마 구조의 예를 나타낸다. 위키데이터 기반의 개념그래프 확장 시스템이 활용하는 데이터베이스 구조는 도 5예 예시된 바와 같다. 도 5에서 제 1 명세(Description 1)에는 객체, 즉 위키데이터의 단일 페이지를 나타내는 개념 레이블, 정의 구문 그리고 링크 등이 포함되어 있고, 제 2 명세(Description 2)에는 개념들을 연결하는 속성과 관계 레이블 및 정의 구문을 포함되어 있다. 참고로, 여기서 객체의 의미는 상술한 목적어를 의미하는 것이 아니라 위키데이터에서 사용하는 용어로서, 특정 위키피디아 페이지가 설명하는 설명의 대상을 의미한다. 예를 들어, “정보 검색”이라는 용어로 위키피디아 페이지를 검색하면 이 객체에 해당하는 페이지가 검색되고, 검색된 페이지에서 해당 객체를 설명하고 있다.
도 5에 대해 계속 설명하면, 제 1 정보(Information 1)와 제 2 정보(Information 2)에는 객체에 대한 관계 트리플 집합이 저장되어 있으며, 제 3 정보(Information 3)에는 속성들 사이의 관계가 포함되어 있다. 마지막으로, 제 4 정보(Information 4)에는 속성에 저장될 값의 범위가 지정되어 있다. 개시된 모듈화된 데이터베이스 스키마는 위키데이터 뿐만 아니라 다양한 형태의 시맨틱 트리플 데이터베이스를 수용할 수 있도록 설계되었다. 특히, 동일한 레이블(이름)을 가지는 서로 다른 개념들에 대한 식별이 용이할 수 있도록 특정 개념에 대한 부가 정보 및 주변 정보들을 쉽게 참조할 수 있다.
도 6은 일 실시예에 따른 지식베이스 기반 개념그래프 확장 시스템을 나타낸 블록도이다. 도 6은 주어진 개념그래프를 기반으로 관계트리플 지식베이스(300)에서 개념그래프에 속한 개념 노드, 속성 등에 대한 순차적 확장을 하는 시스템에 대한 상세 구성도를 나타낸 것이다. 개념그래프 확장 시스템은 개념그래프 확장 모듈(200)과 관계트리플 지식베이스(300)를 포함할 수 있다. 관계트리플 지식베이스(300)에는 개념그래프 확장을 위한 참조 정보가 저장되는데, 참조 정보에는 개념 개체 및 개념 개체간 관계를 나타내는 관계 트리플에 대한 정보가 포함된다. 여기서, 개념 개체라 함은 주어(subject)와 목적어(object)를 의미하는 것일 수 있다. 일 실시예에 있어서, 관계트리플 지식베이스(300)의 데이터베이스 스키마 구조는 도 5에 도시된 바와 같다.
개념그래프 확장 모듈(200)은 사용자 접속 모듈(210)과 관계 트리플 확장 모듈(220)을 포함한다. 사용자 접속 모듈(210)은 사용자 인터페이스(211)와 자바패키지 인터페이스를 포함할 수 있으며, 이를 통해 사용자는 개념그래프 확장 모듈(200)을 이용하여 원하는 기능을 호출하고 결과를 전달받을 수 있다. 관계 트리플 확장 모듈(220)은 관계트리플 지식베이스(300)로 조회 쿼리하며 이에 대한 결과로 지식베이스 트리플(관계 트리플)을 얻는다. 이를 위해, 도 6에 도시된 바와 같이, 관계 트리플 확장 모듈(220)은 레이블의 객체 아이디 파악, 객체 아이디의 레이블 파악, 객체의 정의문 파악, 속성 아이디의 레이블 파악, 속성 레이블의 아이디 파악, 속성의 정의문 파악, 객체-객체 관계 구조 파악, 객체-값 관계 구조 파악, 정제된 관계로의 필터링, 객체의 위키 링크 파악 등을 할 수 있다.
이 같은 트리플 기반의 개념그래프 확장 모듈(200)은 다양한 형태의 기능을 포함하고 있다. 우선 개체명(레이블 혹은 개념명)에 대한 관계트리플 지식베이스(300)에서의 식별자를 파악하거나 그 반대의 기능을 수행하는 모듈이 존재하며, 모호성이 제거된 개체의 정의문 및 관계트리플을 가져오는 기능들도 존재한다. 세부적인 기능 API 명세는 표 1과 같다.
Figure PCTKR2017001592-appb-T000001
Figure PCTKR2017001592-appb-I000002
Figure PCTKR2017001592-appb-I000003
Figure PCTKR2017001592-appb-I000004
Figure PCTKR2017001592-appb-I000005
Figure PCTKR2017001592-appb-I000006
Figure PCTKR2017001592-appb-I000007
표 1에서 보듯이, 개념그래프 내의 특정 개념 노드를 확장하기 위해서는 해당 노드의 명칭(개념 명칭, 개체명, 객체 이름)에 대한 식별자가 필요하다. 본 개시에서는 개념그래프의 모든 노드들은 의미적으로 분별(semantically discrimination)되어 있음을 가정한다. 다시 말해서, 동일한 노드 명칭이라고 하더라도 다양한 의미를 가질 수 있으나, 개념그래프 생성 과정에서 단일 의미로 매핑이 되어서 의미적 모호성이 제거되어 하나의 식별자만 가질 수 있음을 전제로 한다. 예를 들어, “universe”라는 개념은 아래와 같이 위키데이터에서 총 23가지의 다양한 의미를 가질 수 있으나, 개념그래프 내에서는 “label#1”의 의미로 지정되어 본 시스템의 입력으로 들어오게 된다.
Figure PCTKR2017001592-appb-I000008
개념 명칭을 검색할 경우, 완전 일치(exact matching)와 부분 일치(partial matching) 기능을 동시에 지원함으로써 검색의 범위를 확장할 수 있도록 구현되었다. 개시된 시스템의 출력은 JSON 형태로 저장되어 제공될 수 있다.
개념그래프 확장 모듈(200)의 테스트 및 검증을 위해서 두 가지 형태의 테스트베드가 개발되었다. 우선, 시스템의 동작을 직접적으로 검증하기 위한 간단한 클라이언트 형태의 확장 입출력 테스트베드가 도 7과 같이 구성됨으로써 특정 질의 개념에 대한 확장 결과를 직접적으로 확인할 수 있다. 도 7에서 ①은 개념 명칭 입력 부분이고, ②는 속성 입력 부분이며, ③은 확장 범위(Depth) 설정 부분이다. 그리고 ④는 결과 출력 부분이다. 특정 개념에 해당하는 명칭 혹은 식별자와 속성, 그리고 확장 범위를 입력하면 최종적으로 확장된 개념이 출력된다. 출력 방식은 입력 식별자에 해당하는 개념을 간략하게 정의한 정의문(영문 및 한글)이 우선적으로 출력되고, 그 아래에 입력 개념과 특정 관계로 맺어진 다양한 확장 개념들이 출력된다. 위키데이터에서는 관계명 각각도 식별자로 관리가 되므로, 이들 식별자도 함께 출력이 될 수 있다. 마지막에는 다양한 관계들로 맺어진 확장 개념들에 대한 정의문이 추가적으로 출력된다. 만일 확장 범위를 1에서 2로 증가시키면, 1차적으로 확장된 개념들과 연결된 2차 개념들이 추가적으로 출력될 수 있다. 위키데이터에서의 특정 개념은 다른 개념들과의 연결고리는 물론이거니와 카테고리 정보, 주제명, 시소러스 식별자, 이미지 파일, 입력 일자 등과 같은 부가 정보와도 연동이 되어 있다.
도 8은 앞에서 살펴본 “universe”에 대한 확장 결과를 보여주고 있다. 도 9에서 “q1”은 편의상 “universe”의 특정 식별자를 나타내고 있고, 이에 대한 영문 및 한글 정의문이 맨 위에 출력되고 있다. 그 아래에는 “universe”를 주어(subject)로 포함하는 다양한 종류의 관계 트리플이 출력된다. 이들 트리플은 데이터베이스 내에서 직접 실시간으로 검색해서 나온 결과로서 “P793”, “P31” 등과 같은 관계tlrqufwkrk 존재한다. 예를 들어, “universe”-“significant event”-“Big Bang”은 “우주”와 “중요한 사건” 관계로 맺어진 “Big Bang”을 나타내고 있다. 비록 그 외에도 다양한 관계가 있을 수 있으나 개시된 시스템에서는 선택 사항에 따라서 모든 관계를 바탕으로 하는 트리플을 출력할 수도 있고, 개념그래프에서 지정된 관계에 해당하는 트리플 집합만을 출력할 수도 있다. 비록 시스템이 2차 이상의 확장을 의미하는 다중 확장 기능을 포함하고 있으나, 실제 질의 개념그래프의 확장 측면에서는 불필요한 정보들을 도출할 수 있는 위험이 있으므로, 2차 이상의 확장은 가급적 지양하는 편이 더 효과적일 수 있다.
상술하였듯이, 개시된 시스템은 다양한 세부 확장 API들을 제공하고 있으며, 이 API들은 그 출력 방식으로 JSON을 이용할 수 있다. 도 9는 API들이 출력한 JSON 파일들과 특정 JSON 파일의 내용을 보여주고 있다. 특히, “Q1_ID_O_Triple_i.json”은 입력 개념을 주어(subject)로 가지는 모든 1차 트리플 집합을 저장하고 있다. 실제 JSON 파일에는 주어(subject), 관계(relation), 목적어(object)에 해당하는 식별자만을 포함하고 있으며, 해당 식별자에 대한 상세 정보(레이블, 영문/한글 정의문, 위키페이지 번호 등)를 참조하기 위해서는 연관된 API를 활용하면 된다.
한편, 상술한 시스템을 통해 개념그래프 내에서 특정 노드에 대한 단편적인 확정 결과를 확인할 수 있으나 개념그래프 전체의 확장 양상을 확인할 수는 없다. 이러한 단점을 극복하기 위해, 즉 상술한 개념그래프 확장 시스템을 검증하고 그 기능을 시험하기 위해서 도 10과 같이 동적인 개념그래프 확장 가시화 모듈(400)을 질의 개념그래프 확장 시스템에 추가하여 개념그래프 확장 모듈(200)과 연동시킬 수 있다. 이때의 시스템을 질의 개념그래프 확장 시스템과 구분하여 질의 개념그래프 확장 가시화 시스템이라 명할 수도 있고, 그대로 질의 개념그래프 확장 시스템이라 명할 수도 있다.
개념그래프 확장 가시화 모듈(400)은 노드들과 노드 간에 관계로 표현되는 개념그래프를 가시화하여 사용자 인터페이스(211)를 통해 사용자에게 제공할 수 있다. 개념그래프 확장 가시화 모듈(400)은 그래프 시각화 모듈을 기반으로 개발될 수 있다. 개념그래프 확장 가시화 모듈(400)의 예가 도 11에 도시되어 있다. 도 11은 상술한 개념그래프 확장 모듈(200)을 활용하여 개발된 AJAX 기반의 웹 가시화 모듈 및 클라이언트 기반 가시화 모듈을 나타낸다. 다양한 종류의 웹 기반 가시화 모듈을 분석한 후에 OWL(Web Ontology Language) 기반의 WebVOWL 0.5.x(http://vowl.visualdataweb.org/webvowl.html)를 채택하여 이를 확장 엔진과 연동시켰다.
도 12는 WebVOWL의 전체 화면 구성의 예를 나타낸다. 도 12의 좌측 부분은 지속적으로 확장될 수 있는 개념그래프가 가시화되고 사용자와 인터렉션을 주고받는 영역이다. 우측에는 현재 출력된 개념그래프에 대한 제목, 설명, 통계 및 선택된 노드에 대한 상세 정보 등이 출력되는 정보 제공 영역이 존재한다. 이를 통해, 사용자는 특정 개념 노드 및 관계 노드에 대한 구체적인 정보를 확인할 수 있다. 도 12에서는 관계 노드인 “중요한 사건”이 선택되었으며, 정보 제공 영역에 “중요한 사건”에 대한 상세 정보가 출력됨이 확인된다. 참고로, 노드는 사용자에 의해 선택될 수 있다. 마지막으로, 화면의 하단에는 화면 조작, 외부 저장(export), Gravity 조정, 필터링, 재구성(reseet) 등의 작업을 수행할 수 있는 유틸리티 영역이 존재한다. 기존 WebVOWL은 고정되고 정적인 단일 OWL 파일을 입력받아서 이를 가시화하는 반면에, 개시된 시스템은 지속적으로 확장되는 동적 개념그래프를 출력할 수 있도록 재구성되었다.
도 13은 개념그래프 초기 확장을 나타낸 예시도이고, 도 14는 “빅뱅”에 대한 추가적인 개념 노드 확장을 나타낸 예시도이며, 도 15는 “조르주 르메트르”에 대한 상세 확장 개념그래프의 예를 나타낸다. 이들 도면은 특정 주제(“universe”)로 시작하여 개념그래프가 지속적으로 확장되는 모습을 나타낸 것으로, 개시된 시스템의 특징을 보여준다. 도 13에서 보는 바와 같이, 만약 최초의 원본 개념그래프가 “우주(universe)”라는 개념 노드를 포함하고 있다면, 이를 특정 관계(“중요한 사건”) 중심으로 확장하여 새로운 추가 개념 노드들을 확보할 수 있다. 여기서는 “급팽창 이론”, “빅뱅 핵합성”, “빅뱅” 등이 그 예이다. 만일 “빅뱅(Big Bang)” 개념 노드를 중심으로 추가 확장을 수행하면, 이와 연관된 개념 노드로는 도 14에 도시된 바와 같이 “전체-부분” 관계로 맺어진 “일반 상대성 이론”과 “반대 개념” 관계로 맺어진 “정상우주론” 노드, 그리고 “발견자” 관계로 맺어진 “조르주 르메트르”가 도출될 수 있다. 추가적으로, “조르주 르메트르”에 대한 개념 노드 확장을 수행한 결과는 도 15에서 보여주고 있다. 도 15에 도시된 바와 같이, 특정 관게에 대한 목적어(object) 노드가 다수인 경우에는 가상 노드를 구성하여 연결하고 있다. 예를 들어, “조르주 르메트르”-“출신 학교”-“메사추세츠 공과대학”과 “조르주 르메트르”-“출신 학교”-“케임브레지 대학”은 가상 노드를 활용하여 축약 형태로 보여주고 있다.
개시된 노드 기반 개념그래프 확장 모듈에 대한 성능 평가를 위해서 주요 최신 기술 용어를 중심으로 51개의 개념어(concept word)들을 선정하여 이들 용어 각각에 대한 1차 노드 확장을 수행하고 그 결과를 수동 검증하였다. 선정된 개념어 리스트는 표 2와 같다.
Figure PCTKR2017001592-appb-T000002
선정된 개념어를 중심으로 위키데이터에서 범용 관계가 아닌 의미적 연관 관계로 연결된 추가적인 개념어가 추출되어 확장되었다. 앞의 예에서 “빅뱅”이라는 개념어와 의미적으로 연결된 “조르주 르메트르”는 하나의 시맨틱 트리플로 볼 수 있으며, 위 개념어 리스트를 활용하여 직접 연결된 개념어 중심으로 1차 확장한 결과 총 142개의 의미적 트리플이 추출되었다. 추출된 트리플의 예는 표 3과 같다.
Figure PCTKR2017001592-appb-T000003
성능 평가 기준은 다음과 같다. 올바르지 않은 트리플 항목을 선택하기 위해서, 우선 두 개념어 간의 관계가 어색한 트리플(“Smart City”-“종류”-“영화”), 개념그래프의 일부로서 확장되면 전체적인 의미가 불분명해지거나 달라질 수 있는 트리플(“소셜 네트워크”-“상위 분류”-“사회 구성체”), 목적어의 의미가 불명확한 트리플(“barcode”-“종류”-“machine-readable”) 그리고 개념그래프 기반 질의응답 시스템의 입력으로 활용되기에는 부적합한 트리플(“Massachusetts Institute of Technology”-“웹 사이트 계정”-“리서치게이트”) 등은 모두 틀린 트리플로 간주하였다. 총 142개의 트리플 중에서 25개의 틀린 트리플들이 존재하였으며 정확도는 78.63%로 계산되었다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (12)

  1. 개념그래프 확장을 위한 참조 정보가 저장된 관계트리플 지식베이스; 및
    자연어 문장으로 이루어진 질의로부터 변환된 개념그래프를 바탕으로 관계트리플 지식베이스에 저장된 참조 정보를 이용하여 확장된 형태의 개념그래프를 생성하는 개념그래프 확장 모듈;
    을 포함하는 개념그래프 확장 시스템.
  2. 제 1 항에 있어서,
    개념그래프는 질의를 구성하는 적어도 일부 객체들을 나타낸 개념 노드들과 개념 노드간의 관계를 나타낸 관계 노드들을 포함하는 개념그래프 확장 시스템.
  3. 제 2 항에 있어서,
    개념그래프 확장 모듈은 개념 노드를 중심으로 개념그래프를 확장하는 개념그래프 확장 시스템.
  4. 제 3 항에 있어서,
    개념그래프 확장 모듈은 확장된 개념 그래프를 개념 노드를 중심으로 반복 확장 가능한 개념그래프 확장 시스템.
  5. 제 2 항에 있어서,
    개념그래프를 가시화하여 사용자 인터페이스를 통해 제공하며, 개념그래프 확장 모듈과 연동하는 개념그래프 확장 가시화 모듈;
    을 더 포함하는 개념그래프 확장 시스템.
  6. 제 1 항에 있어서,
    관계트리플 지식베이스에 저장된 참조 정보에는 개념 개체 및 개념 개체간 관계를 나타내는 관계 트리플에 대한 정보가 포함되는 개념그래프 확장 시스템.
  7. 제 6 항에 있어서,
    관계트리플 지식베이스는 관계형 지식 데이터 저장을 위한 스키마 구조를 갖는 개념그래프 확장 시스템.
  8. 제 7 항에 있어서,
    관계트리플 지식베이스의 데이터베이스 스키마 구조는 개념 레이블과 정의문 및 링크를 포함하는 제 1 명세와, 개념들을 연결하는 속성과 관계 레이블 및 정의문을 포함하는 제 2 명세와, 객체에 대한 관계 트리플 집합이 저장된 제 1 정보 및 제 2 정보와, 속성들 사이의 관계가 포함된 제 3 정보, 및 속성에 저장될 값의 범위를 지정한 제 4 정보를 포함하는 개념그래프 확장 시스템.
  9. 제 1 항에 있어서,
    개념그래프 확장 모듈은 질의 개념그래프의 질문 트리플 집합에서 확장할 하나 이상의 개념 개체를 선택하고, 선택된 개념 개체의 정의문에서 트리플 집합을 추출하며, 추출된 정의문 트리플 집합으로부터 선택된 정의문 트리플을 이용하여 개념그래프를 확장하는 개념그래프 확장 시스템.
  10. 제 9 항에 있어서,
    개념그래프 확장 모듈은 질문 트리플 집합에 속하는 개념 개체들 중에서 중요도가 높은 개념 개체를 선택하는 개념그래프 확장 시스템.
  11. 제 10 항에 있어서,
    중요도가 높은 개념 개체는 관계트리플 지식베이스에 등재된 용어인 개념그래프 확장 시스템.
  12. 제 9 항에 있어서,
    개념그래프 확장 모듈은 정의문 트리플 집합과 질문 트리플 집합을 비교하여 중복되는 정의문 트리플을 제거하고, 질문 트리플과 주어(subject) 또는 목적어(object)가 일치하는 정의문 트리플을 선택하고, 선택된 정의문 트리플과 주어(subject) 또는 목적어(object)가 일치하는 정의문 트리플을 선택하며, 나머지 정의문 트리플은 모두 제거하는 개념그래프 확장 시스템.
PCT/KR2017/001592 2016-02-29 2017-02-14 지식베이스 기반의 개념그래프 확장 시스템 WO2017150820A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0024383 2016-02-29
KR1020160024383A KR101835345B1 (ko) 2016-02-29 2016-02-29 지식베이스 기반의 개념그래프 확장 시스템

Publications (1)

Publication Number Publication Date
WO2017150820A1 true WO2017150820A1 (ko) 2017-09-08

Family

ID=59743062

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/001592 WO2017150820A1 (ko) 2016-02-29 2017-02-14 지식베이스 기반의 개념그래프 확장 시스템

Country Status (2)

Country Link
KR (1) KR101835345B1 (ko)
WO (1) WO2017150820A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457435A (zh) * 2019-07-26 2019-11-15 南京邮电大学 一种专利新颖性分析***及其分析方法
WO2024007119A1 (zh) * 2022-07-04 2024-01-11 华为技术有限公司 文本处理模型的训练方法、文本处理的方法及装置
US11960513B2 (en) 2019-09-18 2024-04-16 Saltlux Inc. User-customized question-answering system based on knowledge graph

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101934583B1 (ko) * 2018-01-17 2019-01-02 주식회사 머니브레인 대화형 ai 에이전트 시스템을 위한 지식베이스의 시각화 방법 및 컴퓨터 판독가능 기록 매체
KR102090237B1 (ko) * 2018-07-31 2020-03-17 주식회사 포티투마루 시맨틱 트리플 기반의 지식 확장 시스템, 방법 및 컴퓨터 프로그램
KR102261199B1 (ko) * 2018-09-19 2021-06-07 주식회사 포티투마루 인공 지능 질의 응답 시스템, 방법 및 컴퓨터 프로그램
KR102128549B1 (ko) 2018-09-19 2020-07-08 주식회사 포티투마루 인공 지능 질의 응답 시스템, 방법 및 컴퓨터 프로그램
US11562133B2 (en) 2018-12-04 2023-01-24 Foundation Of Soongsil Univ-Industry Cooperation System and method for detecting incorrect triple
KR102212310B1 (ko) * 2018-12-04 2021-02-05 숭실대학교산학협력단 오류 트리플 검출 시스템 및 방법
KR102206742B1 (ko) 2018-12-06 2021-01-25 한국과학기술원 자연언어 텍스트의 어휘 지식 그래프 표현 방법 및 장치
CN110532328B (zh) * 2019-08-26 2023-04-07 哈尔滨工程大学 一种文本概念图构造方法
KR102439165B1 (ko) * 2019-11-26 2022-09-01 한국과학기술원 상식 지식과 언어학적 패턴을 이용한 서술문 신뢰도 평가 시스템 및 그 방법
KR102398832B1 (ko) * 2020-04-23 2022-05-17 주식회사 케이티 지식 그래프에 기초하여 응답을 도출하는 장치, 방법 및 컴퓨터 프로그램
KR102655154B1 (ko) * 2021-09-30 2024-04-05 주식회사 와이즈넛 인공신경망 모델을 이용한 컨셉넷 자동 확장 방법
WO2023249558A1 (en) * 2022-06-22 2023-12-28 Gp Network Asia Pte. Ltd. Method and system for adaptively executing a plurality of tasks

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100820746B1 (ko) * 2007-01-22 2008-04-11 조선대학교산학협력단 온톨로지를 이용한 정보의 브라우징 시스템 및 방법
KR20130126114A (ko) * 2012-05-10 2013-11-20 최진근 단어 연관성을 이용하는 정보 수집 시스템 및 정보 수집 방법
KR20130125999A (ko) * 2012-05-10 2013-11-20 경북대학교 산학협력단 키워드 추출 방법 및 시스템, 그리고 대화 보조 장치
KR20140051606A (ko) * 2012-10-23 2014-05-02 에스케이텔레콤 주식회사 Rdf 기반의 문장 온톨로지를 이용한 일관성 평가 방법 및 장치
JP2015505082A (ja) * 2011-12-12 2015-02-16 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報ドメインに対する自然言語処理モデルの生成

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100820746B1 (ko) * 2007-01-22 2008-04-11 조선대학교산학협력단 온톨로지를 이용한 정보의 브라우징 시스템 및 방법
JP2015505082A (ja) * 2011-12-12 2015-02-16 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 情報ドメインに対する自然言語処理モデルの生成
KR20130126114A (ko) * 2012-05-10 2013-11-20 최진근 단어 연관성을 이용하는 정보 수집 시스템 및 정보 수집 방법
KR20130125999A (ko) * 2012-05-10 2013-11-20 경북대학교 산학협력단 키워드 추출 방법 및 시스템, 그리고 대화 보조 장치
KR20140051606A (ko) * 2012-10-23 2014-05-02 에스케이텔레콤 주식회사 Rdf 기반의 문장 온톨로지를 이용한 일관성 평가 방법 및 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457435A (zh) * 2019-07-26 2019-11-15 南京邮电大学 一种专利新颖性分析***及其分析方法
US11960513B2 (en) 2019-09-18 2024-04-16 Saltlux Inc. User-customized question-answering system based on knowledge graph
WO2024007119A1 (zh) * 2022-07-04 2024-01-11 华为技术有限公司 文本处理模型的训练方法、文本处理的方法及装置

Also Published As

Publication number Publication date
KR20170101609A (ko) 2017-09-06
KR101835345B1 (ko) 2018-03-07

Similar Documents

Publication Publication Date Title
WO2017150820A1 (ko) 지식베이스 기반의 개념그래프 확장 시스템
US6618727B1 (en) System and method for performing similarity searching
CN108446367A (zh) 一种基于知识图谱的包装行业数据搜索方法及设备
Lopez et al. Powermap: Mapping the real semantic web on the fly
Rinaldi et al. A matching framework for multimedia data integration using semantics and ontologies
Prudhomme et al. Interpretation and automatic integration of geospatial data into the Semantic Web: Towards a process of automatic geospatial data interpretation, classification and integration using semantic technologies
Lou et al. Semantic information retrieval research based on co-occurrence analysis
Singh et al. Ontology development using Hozo and Semantic analysis for information retrieval in Semantic Web
CN110263331A (zh) 一种知识驱动的英汉单词语义相似度自动检测方法
Sugimoto et al. Visualizing changes over time: A history of information retrieval through the lens of descriptor tri-occurrence mapping
WO2018147543A1 (ko) 개념 그래프 기반 질의응답 시스템 및 이를 이용한 문맥 검색 방법
Jetinai et al. Ontology mapping and rule-based inference for learning resource integration
Aaberge et al. Ontology and Ontology Construction: Background and Practices.
Wiranata et al. Quranic concepts similarity based on lexical database
Kubis An access layer to PolNet–polish WordNet
Maeda et al. CoMeMo: Constructing and sharing everyday memory
Stanley et al. A conceptual-kdd approach and its application to cultural heritage
Norouzi et al. A spatiotemporal semantic search engine for cultural events
Bahmid et al. Hybrid question answering using heuristic methods and linked data schema
WO2023085500A1 (ko) 그래프 독해 기반 지식 추출을 위한 시스템 및 방법
Salih Towards from manual to automatic semantic annotation: based on ontology elements and relationships
Gueffaz et al. Curriculum data enrichment with ontologies
Paulus et al. Recommending Semantic Concepts for Improving the Process of Semantic Modeling
Tsampos et al. Querying Knowledge Graphs in Greek Language
Menke et al. On the origin of annotations: A module-based approach to representing annotations in the Natural Language Processing Interchange Format (NIF)

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17760224

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17760224

Country of ref document: EP

Kind code of ref document: A1