[논문 리뷰] Intelligent Semantic Web Search Engines: A Brief Survey

G. Madhu, A. Govardhan외 1명|arXiv (Cornell University)|2011. 02. 04.

Semantic Web and Ontologies인용 수 20

한 줄 요약

이 논문은 전통적인 키워드 기반 시스템에서 지능형 의미 웹 검색 엔진으로의 검색 엔진의 발전을 조사한다. 의미 기술을 활용하여 정보 검색의 정확도를 향상시킨다. 온톨로지, RDF, 추론 엔진을 통합함으로써 제안된 방법은 검색 정확도와 관련성을 향상시키며, 기계가 사용자 쿼리를 맥락적으로 이해하고 처리할 수 있도록 한다.

ABSTRACT

The World Wide Web (WWW) allows the people to share the information (data) from the large database repositories globally. The amount of information grows billions of databases. We need to search the information will specialize tools known generically search engine. There are many of search engines available today, retrieving meaningful information is difficult. However to overcome this problem in search engines to retrieve meaningful information intelligently, semantic web technologies are playing a major role. In this paper we present survey on the search engine generations and the role of search engines in intelligent web and semantic search technologies.

연구 동기 및 목표

• 의미 있고 맥락적으로 관련된 정보를 검색하는 데에 전통적인 키워드 기반 검색 엔진의 한계를 분석하기 위해.
• 기계가 문법적 구조를 넘어서 데이터의 의미를 이해할 수 있도록 의미 웹 기술이 이러한 한계를 어떻게 해결할 수 있는지 탐색하기 위해.
• 온톨로지, RDF, 의미 추론이 검색 엔진의 지능을 향상시키는 데서 수행하는 역할를 검토하기 위해.
• 검색 엔진의 의미 지능으로 향한 발전 과정을 종합적으로 개괄하기 위해.
• 확장 가능하고 지능적인 의미 웹 검색 시스템을 구축하는 데 있어 주요 과제와 향후 방향을 식별하기 위해.

제안 방법

• 문법 기반에서 의미 인식 시스템으로의 검색 엔진 세대의 역사를 조사하기 위해.
• RDF(자원 기술 프레임워크)와 OWL(웹 온톨로지 언어)와 같은 핵심 의미 웹 기술을 분석하여 구조화된 데이터 표현을 위해.
• 도메인 특화 지식을 모델링하고 기계가 이해할 수 있는 의미를 가능하게 하기 위해 온톨로지를 통합하기 위해.
• 정확한 키워드 매칭을 넘어서 복잡한 쿼리를 해결하기 위해 의미 추론 엔진을 활용하여 관계를 유추하기 위해.
• 의미적 풍부화가 검색 정밀도, 재현율, 맥락적 관련성에 미치는 영향을 평가하기 위해.
• 정보 검색 성능과 사용자 의도 이해도 측면에서 기존 검색 엔진과 의미 인식 시스템을 비교하기 위해.

실험 결과

연구 질문

• RQ1 높은 재현율을 보이지만 의미적으로 유의미한 정보를 검색하지 못하는 전통적 검색 엔진의 실패 원인은 무엇인가?
• RQ2 온톨로지와 의미 메타데이터는 웹 검색 정확도 향상에 어떤 역할을 하는가?
• RQ3 의미 추론은 키워드 매칭을 넘어서 사용자 쿼리 이해를 어떻게 향상시킬 수 있는가?
• RQ4 지능형 의미 웹 검색 엔진의 핵심 아키텍처 구성 요소는 무엇인가?
• RQ5 의미 웹 기술은 차세대 검색 시스템의 발전에 어떻게 기여하는가?

주요 결과

• 전통적인 검색 엔진은 맥락 이해 없이 문법적 매칭에 의존하기 때문에 관련 없는 결과가 다량으로 검색되는 경향이 있다.
• RDF와 OWL과 같은 의미 웹 기술은 데이터의 구조화된 표현을 가능하게 하여 기계가 관계와 의미를 이해할 수 있도록 한다.
• 온톨로지 기반 색인화는 키워드 매칭이 아닌 개념 기반 검색을 가능하게 하여 검색 정밀도를 크게 향상시킨다.
• 의미 추론은 암시적 관계를 유추함으로써 더 정확하고 맥락적으로 관련된 결과를 도출할 수 있도록 한다.
• 의미 기술의 통합은 사용자 쿼리의 모호성을 줄이고 자연어로 된 복잡한 쿼리를 처리할 능력을 향상시킨다.
• 이 논문은 지능형 의미 웹 검색 엔진이 더 정확하고 맥락 인식 능력이 있으며 사용자 중심적인 정보 검색 시스템으로의 必要한 진화임을 결론 내린다.