[논문 리뷰] Intelligent Agent Based Semantic Web in Cloud Computing Environment

Debajyoti Mukhopadhyay, Manoj Kumar Sharma외 3명|arXiv (Cornell University)|2013. 05. 04.

Semantic Web and Ontologies참고 문헌 13인용 수 3

한 줄 요약

이 논문은 키워드 기반 검색 엔진의 한계를 극복하기 위해 클라우드 컴퓨팅 환경에서 지능형 에이전트를 기반으로 한 메타 의미론적 검색 엔진인 SemanTelli를 제안한다. Hakia, DuckDuckGo, SenseBot과 같은 다수의 의미론적 검색 엔진을 자율 에이전트를 통해 조율함으로써, 의미 이해와 클라우드 내 분산 처리를 통해 결과의 관련성과 효율성을 향상시킨다.

ABSTRACT

Considering today's web scenario, there is a need of effective and meaningful search over the web which is provided by Semantic Web. Existing search engines are keyword based. They are vulnerable in answering intelligent queries from the user due to the dependence of their results on information available in web pages. While semantic search engines provides efficient and relevant results as the semantic web is an extension of the current web in which information is given well defined meaning. MetaCrawler is a search tool that uses several existing search engines and provides combined results by using their own page ranking algorithm. This paper proposes development of a meta-semantic-search engine called SemanTelli which works within cloud. SemanTelli fetches results from different semantic search engines such as Hakia, DuckDuckGo, SenseBot with the help of intelligent agents that eliminate the limitations of existing search engines.

연구 동기 및 목표

• 문자적 일치에 의존하는 키워드 기반 검색 엔진의 한계를 해결하기 위해 의미론적 의미를 기반으로 하는 검색을 제공하고자 한다.
• 분산 클라우드 환경에서 의미 웹 기술을 활용하여 검색의 관련성과 효율성을 향상시키고자 한다.
• 기존의 여러 의미론적 검색 엔진에서의 결과를 집계하는 메타 의미론적 검색 엔진을 설계하고자 한다.
• 다양한 의미론적 소스에서 자동으로 결과를 검색, 순위 매기고 통합하는 지능형 에이전트를 구현하고자 한다.
• 클라우드 호스팅된, 에이전트 기반의 의미론적 검색 아키텍처의 실현 가능성과 성능 향상을 입증하고자 한다.

제안 방법

• 시스템은 Hakia, DuckDuckGo, SenseBot과 같은 외부 의미론적 검색 엔진을 동적으로 쿼리하는 지능형 에이전트를 활용한다.
• 에이전트는 의미론적 메타데이터를 사용하여 결과를 추출하고 정규화함으로써, 엔진 간 비교 및 융합을 가능하게 한다.
• 중앙 집중식 순위 매기기 모듈은 관련성과 소스 신뢰도를 기반으로 결과를 통합하기 위해 고유의 페이지 순위 알고리즘을 적용한다.
• 확장성, 장애 내성 및 온디맨드 리소스 할당을 보장하기 위해 아키텍처는 클라우드 환경에 배포된다.
• 의미론적 메타데이터는 쿼리 이해를 향상시키고, 키워드 일치를 초월한 결과 정밀도를 향상시키기 위해 사용된다.
• 서비스 지향 아키텍처는 새로운 의미론적 검색 엔진과 에이전트의 모듈식 통합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 다양한 이질적인 의미론적 검색 엔진에서의 결과를 효과적으로 집계하기 위해 지능형 에이전트를 어떻게 활용할 수 있는가?
• RQ2 클라우드 컴퓨팅 환경에서 효율적이고 확장 가능하며 의미론적 인식이 가능한 검색을 가능하게 하는 아키텍처 설계는 무엇인가?
• RQ3 여러 의미론적 엔진의 결과를 융합할 경우, 개별 엔진 대비 검색 관련성은 어느 정도 향상되는가?
• RQ4 지능형 에이전트는 다이나믹한 웹 환경에서 메타 검색 시스템의 성능과 적응 가능성에 어떻게 기여하는가?
• RQ5 클라우드 인프라는 실시간으로 대규모 의미론적 검색 작업을 지원하는 데 어떤 역할을 하는가?

주요 결과

• 제안된 SemanTelli 시스템은 지능형 에이전트를 활용하여 여러 의미론적 검색 엔진의 결과를 성공적으로 통합함으로써, 결과 집계 및 관련성 향상 효과를 입증하였다.
• 클라우드 기반 배포는 동적 확장성과 고가용성을 보장하여 실시간 쿼리 처리를 지원한다.
• 의미론적 메타데이터와 에이전트 기반 조율을 통해 결과 융합의 중복을 감소시키고 정밀도를 향상시켰다.
• 시스템의 메타 순위 매기기 알고리즘은 다수의 소스에서 유래한 관련성 신호를 활용하여 개별 엔진 결과를 초월하는 성능을 보였다.
• 낮은 지연 시간 오버헤드로 인해 분산된 이질적 환경에서도 배포가 가능하다는 점이 입증되었다.
• 에이전트와 클라우드 인프라의 통합은 자율적이고 적응 가능하며 확장 가능한 의미론적 검색 운영을 가능하게 하였다.