웹 링크드 데이터의 누락 링크를 식별하는 그래프·특징 기반 기계학습 연구

Graph- and Feature-Based Machine Learning for Missing Link Identification in Web of Linked Data

연구 내용

다양한 온톨로지가 혼재된 Linked Open Data 환경에서 누락 링크를 탐지하기 위한 특징 기반 및 그래프 기반 기계학습 방법을 제안하는 연구

Linked Open Data는 HTTP, RDF, URI를 활용해 구조화된 데이터를 연결함으로써 기계가 읽고 추론할 수 있는 데이터 웹을 형성합니다. 다만 서로 다른 온톨로지가 사용되는 경우 통합 과정에서 누락 링크가 발생하며, 이는 상호운용성과 정보 활용성을 제한합니다. 연구실은 흩어진 온톨로지 환경에서 누락 링크 시나리오를 정리하고, 다양한 온톨로지 정보를 활용해 누락 링크를 식별하는 특징 기반 방법과 그래프 기반 방법을 제안합니다. 이를 통해 추론과 시맨틱 질의 및 규칙 기반 질의에서 더 풍부한 연결을 확보할 수 있도록 합니다.

관련 프로젝트

0건

연구 흐름

2024년 연구에서 Linked Open Data의 상호운용 문제를 누락 링크 관점으로 정식화하고, 누락이 발생하는 대표 시나리오를 분류하는 작업을 수행했습니다. 이어서 다양한 온톨로지 정보를 반영하는 특징 기반 접근과 그래프 기반 접근을 통해 누락 링크를 식별하는 방법을 제안했습니다. 향후 목표는 탐지 결과를 연결 확장과 질의 고도화에 연결하여 데이터 활용성을 높이는 방향으로 확장하는 것입니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

누락 링크 탐지 모듈
온톨로지 활용 정합성 분석
그래프 기반 후보 링크 생성
특징 기반 링크 스코어링
세맨틱 질의 고도화
추론 기반 데이터 연결 확장
LOD 상호운용성 점검 도구
데이터 통합 품질 모니터링
지식 그래프 정제 파이프라인
온톨로지 정렬 보조 시스템