[논문 리뷰] A Framework for Business Intelligence Application using Ontological Classification

Martin Aruldoss, D. Maladhy외 1명|arXiv (Cornell University)|2011. 09. 06.

Big Data and Business IntelligenceBusiness, Management and Accounting참고 문헌 6인용 수 19

한 줄 요약

이 논문은 웹 데이터에서 경쟁 정보를 추출하고 구조화하기 위해 온톨로지 분류와 의사결정나무 마이닝을 활용하는 비즈니스 인텔리전스 프레임워크를 제안한다. 도메인 특화 관계를 온톨로지로 모델링하고, 결정 트리 알고리즘을 적용하여 패턴을 탐지함으로써, 비정형 웹 콘텐츠로부터 보다 정확하고 실행 가능한 비즈니스 인사이트를 가능하게 한다.

ABSTRACT

Every business needs knowledge about their competitors to survive better. One of the information repositories is web. Retrieving Specific information from the web is challenging. An Ontological model is developed to capture specific information by using web semantics. From the Ontology model, the relations between the data are mined using decision tree. From all these a new framework is developed for Business Intelligence.

연구 동기 및 목표

• 비정형 웹 데이터에서 특정하고 구조화된 경쟁 인텔리전스를 추출하는 데 도전하는 문제를 해결하기 위해.
• 비즈니스 인텔리전스에 관련된 도메인 특화 관계와 엔티티를 포괄하는 온톨로지 모델을 개발하기 위해.
• 구조화된 온톨로지 데이터에서 의미 있는 패턴을 탐지하기 위해 의사결정나무 알고리즘을 통합하기 위해.
• 정형 웹 기술과 데이터 마이닝을 통해 비즈니스 인텔리전스를 향상시키는 종합적이고 재사용 가능한 프레임워크를 구축하기 위해.

제안 방법

• 웹 의미론을 사용하여 비즈니스 엔티티, 그들의 속성 및 상호관계를 표현하기 위한 온톨로지 모델이 설계된다.
• 정보 추출 기법을 사용하여 관련 웹 소스에서 추출된 데이터로 온톨로지가 충채된다.
• 주석 처리된 데이터에 의사결정나무 알고리즘을 적용하여 예측 가능한 관계를 탐지하고 비즈니스 인텔리전스 패턴을 분류한다.
• 온톨로지와 의사결정나무 출력 결과를 통합하여 비즈니스 인텔리전스 응용을 위한 유일한 시스템으로 통합한다.

실험 결과

연구 질문

• RQ1 온톨로지 분류 방식은 웹 데이터에서 경쟁 인텔리전스 추출의 정확성과 구조화 수준을 어떻게 향상시킬 수 있는가?
• RQ2 온톨로지 내 의미적 관계는 비즈니스 인텔리전스의 의사결정 과정에서 어떤 역할을 하는가?
• RQ3 의사결정나무는 온톨로지 기반의 비즈니스 데이터에서 의미 있는 패턴을 식별하는 데 얼마나 효과적인가?
• RQ4 온톨로지와 데이터 마이닝의 융합적 접근은 확장 가능하고 재사용 가능한 비즈니스 인텔리전스 프레임워크를 제공할 수 있는가?

주요 결과

• 제안된 프레임워크는 비정형 웹 데이터를 의미적으로 풍부한 온톨로지로 구조화하여 더 정밀한 정보 검색을 가능하게 했다.
• 의사결정나무와 온톨로지의 통합은 패턴 인식 능력을 향상시켜 더 실행 가능한 비즈니스 인사이트를 도출했다.
• 기존의 키워드 기반 접근 방식에 비해 데이터 조직화 및 관계 탐지 능력에서 향상된 성능을 보였다.
• 온톨로지 기반 분류 방식은 데이터 해석의 모호성을 감소시켜 추출된 비즈니스 인텔리전스의 신뢰도를 높였다.