[논문 리뷰] An Efficient Technique for Similarity Identification between Ontologies

Amjad Farooq, Syed Ahsan외 1명|arXiv (Cornell University)|2010. 06. 23.

Semantic Web and Ontologies참고 문헌 18인용 수 3

한 줄 요약

이 논문은 손실 없이 개념 쌍을 분석함으로써 온톨로지 간 의미적 유사성을 식별하는 효율적이고 종합적인 기법을 제안한다. 의미적 유사성 측정, 구조적 유사성 측정, 어휘적 유사성 측정을 통합하여 온톨로지 매핑, 융합, 정렬 작업에서 완전성과 정확도를 향상시키며, 기존 방법에 비해 결과 품질에서 뚜렷한 향상을 보인다.

ABSTRACT

Ontologies usually suffer from the semantic heterogeneity when simultaneously used in information sharing, merging, integrating and querying processes. Therefore, the similarity identification between ontologies being used becomes a mandatory task for all these processes to handle the problem of semantic heterogeneity. In this paper, we propose an efficient technique for similarity measurement between two ontologies. The proposed technique identifies all candidate pairs of similar concepts without omitting any similar pair. The proposed technique can be used in different types of operations on ontologies such as merging, mapping and aligning. By analyzing its results a reasonable improvement in terms of completeness, correctness and overall quality of the results has been found.

연구 동기 및 목표

• 온톨로지 통합, 융합, 쿼리 처리 과정에서의 의미적 이질성 문제를 해결하기 위해.
• 모든 후보 개념 쌍을 손실 없이 식별할 수 있는 기법을 개발하기 위해.
• 온톨로지 유사성 결과의 완전성, 정확도 및 종합적 품질을 향상시키기 위해.
• 매핑, 정렬, 융합과 같은 다양한 온톨로지 작업을 지원하기 위해.
• 다양한 유형의 온톨로지에 적용 가능한 강력하고 효율적인 방법을 제공하기 위해.

제안 방법

• 기법은 온톨로지 개념의 어휘적, 구조적, 의미적 특징을 조합한 복합 측정법을 사용하여 유사도를 계산한다.
• 용어 유사성(예: 문자열 매칭, 동의어 탐지)과 구조적 맥락(예: 부모-자식 관계, 경로 유사성)을 기반으로 개념 쌍을 평가한다.
• 가중치 기반 융합 모델이 개별 유사도 점수를 융합하여 각 개념 쌍에 대한 최종 유사도 값을 도출한다.
• 두 온톨로지 간 모든 가능한 개념 쌍을 체계적으로 분석함으로써 완전성을 확보한다.
• 기존의 온톨로지 구조(예: 클래스 계층)를 활용하여 의미 정확도를 향상시킨다.
• 대규모 온톨로지 통합 작업에 적합하도록 확장성과 효율성을 고려하여 설계된다.

실험 결과

연구 질문

• RQ1 두 온톨로지 간 의미적으로 유사한 개념의 모든 후보 쌍을 손실 없이 식별하는 방법은 무엇인가?
• RQ2 어휘적, 구조적, 의미적 특징의 어떤 조합이 온톨로지 매칭에서 가장 정확한 유사도 측정을 제공하는가?
• RQ3 제안된 방법은 기존 기법에 비해 완전성과 정확도를 어느 정도 향상시키는가?
• RQ4 이 방법은 융합 및 정렬과 같은 다양한 온톨로지 작업에 효과적으로 적용될 수 있는가?
• RQ5 다양한 크기의 온톨로지에서 효율성과 확장성 측면에서 이 기법은 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 기법은 손실 없이 관련된 모든 유사 개념 쌍을 식별함으로써 더 높은 완전성을 달성한다.
• 기본 기법 대비 의미적 유사성 식별에서 더 높은 정확도를 보여준다.
• 어휘적, 구조적, 의미적 유사성 측정의 융합은 종합적인 결과 품질 향상에 크게 기여한다.
• 포괄적이고 정확한 쌍 식별 기능 덕분에 융합, 매핑, 정렬과 같은 온톨로지 작업에 효과적이다.
• 실험적 평가에서 성능 지표에 합리적인 향상이 나타났지만, 요약문에는 구체적인 수치 값은 제공되지 않았다.