[논문 리뷰] Building an Ecosystem for the Tyrolean Tourism Knowledge Graph

Elias Kärle, Umutcan Şimşek외 2명|arXiv (Cornell University)|2018. 05. 15.

Semantic Web and Ontologies참고 문헌 13인용 수 4

한 줄 요약

이 논문은 오스트리아 티롤 지역의 관광 데이터를 의미적으로 게재하고 통합하기 위해 schema.org 주석을 활용한 티롤 관광 지식 그래프의 설계 및 구현을 제시한다. 데이터를 schema.org 서브셋으로 매핑하고, 그래프 데이터베이스에 저장하며, 챗봇, 예약 API, 시계열 분석을 통해 소비할 수 있도록 함으로써, 스마트 애플리케이션과 지역적 데이터 기반 통찰을 위한 확장 가능한 기계가 읽을 수 있는 관광 데이터를 제공한다.

ABSTRACT

The introduction of the schema.org vocabulary was a big step towards making websites machine read- and understandable. Due to schema.org's RDF-like nature storing annotations in a graph database is easy and efficient. In this paper the authors show how they gather touristic data in the Austrian region of Tirol and provide this data publicly in a knowledge graph. The definition of subsets of the vocabulary is followed by providing means to map data sources efficiently to schema.org and then store the annotated content into the graph. To showcase the consumption of the touristic data four scenarios are described which use the knowledge graph for real life applications and data analysis.

연구 동기 및 목표

• 표준화된 의미론적 주석을 사용하여 오스트리아 티롤 지역의 지속 가능하고 기계가 읽을 수 있는 관광 데이터 지식 그래프를 구축하기.
• 비호환성과 분산된 관광 데이터 문제를 해결하기 위해 schema.org 기반 모델링을 통해 데이터를 통합하기.
• 챗봇, 자동 예약, 데이터 분석과 같은 실세계 응용 프로그램을 중심화되고 확장 가능한 지식 그래프를 통해 가능하게 하기.
• 지역 관광 지식 그래프의 기초로 schema.org를 사용하는 것이 타당하고 유용함을 입증하기.
• 데이터 공유, 자동화, 지능형 에이전트 상호작용을 가능하게 하여 관광 분야의 디지털 전환 지원하기.

제안 방법

• 호텔, 레스토랑, 스키 스쿨과 같은 관광 도메인을 위한 도메인 전용 schema.org 서브셋(도메인 사양) 정의를 통해 데이터 모델링 표준화.
• DMO, Feratel, Infomax, 지리정보시스템(GIS) 시스템 등 다양한 출처의 데이터를 schema.org 주석이 달린 RDF 삼항형으로 매핑하여 통일된 저장 방식 확보.
• 기록된 데이터를 이름이 지정된 그래프에 저장하여 시계열 분석 및 데이터 기원 추적 지원.
• 대화 시스템과 애플리케이션의 동적 쿼리 가능성을 보장하기 위해 SPARQL 기반 웹 서비스 구축.
• 사용자 질의를 SPARQL 쿼리로 매핑하여 실시간 정보 검색이 가능한 Dialogflow 통합 챗봇 개발.
• schema:SearchAction 및 schema:Action 래퍼를 활용한 API 계층 구축을 통해 제공업체의 네이티브 예약 API에 연결하여 '자동 직접 예약' 기능 구현.

실험 결과

연구 질문

• RQ1 다양한 출처의 관광 데이터를 schema.org를 공통 어휘로 사용하여 의미적으로 통합할 수 있는 방법은 무엇인가?
• RQ2 지속적인 실시간 관광 데이터(예: 숙박 제공 정보)를 지속 가능한 지식 그래프에 수집하고 통합하는 데 있어 핵심 과제는 무엇인가?
• RQ3 지식 그래프를 어떻게 활용하여 챗봇 기반의 실시간 객실 예약과 같은 종단 간 자동화를 실현할 수 있는가?
• RQ4 티롤 관광 환경에서의 역사적 숙박 가격 데이터에 대한 시계열 분석을 통해 도출할 수 있는 통찰은 무엇인가?
• RQ5 schema.org 기반 주석이 관광 애플리케이션에서 데이터 검색 가능성과 기계 처리 가능성 향상에 얼마나 기여하는가?

주요 결과

• 지식 그래프는 DMO, Feratel, Infomax 등 다양한 출처의 정적 및 동적 관광 데이터를 schema.org를 공통 데이터 모델로 사용하여 성공적으로 통합하였다.
• SPARQL를 사용해 그래프에서 정보를 검색할 수 있는 완전 기능의 챗봇이 Dialogflow를 통해 제공되어 실시간 질문-답변 기능을 입증하였다.
• schema:Action 및 schema:SearchAction 래퍼를 활용한 API 계층을 구현하여 제공업체의 네이티브 예약 API에 연결함으로써 '자동 직접 예약'을 가능하게 하여 전용 시스템에 대한 의존도를 감소시켰다.
• 기록된 데이터 분석 결과, 세펠트의 숙박 가격은 마이르호펜보다 일관되게 높았으며, 2월에 두드러진 상승 폭을 보여 시계열 가격 패턴을 확인할 수 있었다.
• 이 접근법은 데이터 통합에 있어 확장 가능성을 입증하였으며, 분석, 대화 시스템, 지능형 에이전트 상호작용과 같은 고급 응용 프로그램을 지원한다.
• 데이터 품질 문제와 출처별 워퍼의 도전 과제가 있었음에도 불구하고, 이 시스템은 지역 관광 지식 그래프의 기초로 schema.org를 사용하는 것이 실현 가능함을 입증하였다.