[논문 리뷰] Semantic Information Retrieval Using Ontology In University Domain

Swathi Rajasurya, Tamizhamudhu Muralidharan외 2명|arXiv (Cornell University)|2012. 07. 24.

Semantic Web and Ontologies참고 문헌 2인용 수 11

한 줄 요약

이 논문은 키워드 매칭을 넘어서 의미적 관련성을 향상시키기 위해 온톨로지 기반 지식 표현을 활용하는 대학 분야를 위한 의미 정보 검색 시스템인 SIEU를 제안한다. 문장의 구조적 분석과 의미 분석을 통해 키워드 확장을 적용하고, 고유한 알고리즘을 사용해 결과를 재정렬함으로써 SIEU는 기존의 구글과 같은 전통적인 검색 엔진에 비해 검색 정확도를 크게 향상시킨다.

ABSTRACT

Today's conventional search engines hardly do provide the essential content relevant to the user's search query. This is because the context and semantics of the request made by the user is not analyzed to the full extent. So here the need for a semantic web search arises. SWS is upcoming in the area of web search which combines Natural Language Processing and Artificial Intelligence. The objective of the work done here is to design, develop and implement a semantic search engine- SIEU(Semantic Information Extraction in University Domain) confined to the university domain. SIEU uses ontology as a knowledge base for the information retrieval process. It is not just a mere keyword search. It is one layer above what Google or any other search engines retrieve by analyzing just the keywords. Here the query is analyzed both syntactically and semantically. The developed system retrieves the web results more relevant to the user query through keyword expansion. The results obtained here will be accurate enough to satisfy the request made by the user. The level of accuracy will be enhanced since the query is analyzed semantically. The system will be of great use to the developers and researchers who work on web. The Google results are re-ranked and optimized for providing the relevant links. For ranking an algorithm has been applied which fetches more apt results for the user query.

연구 동기 및 목표

• 대학 관련 쿼리에서 의미적으로 관련된 콘텐츠를 검색하는 데 있어 기존의 키워드 기반 검색 엔진의 한계를 해결하기 위해.
• 대학 환경에 특화된 도메인 전용 의미 기반 검색 엔진(SIEU)을 설계하고 구현하기 위해.
• 온톨로지를 구조화된 지식 기반으로 활용하여 사용자 쿼리의 깊은 의미적 이해를 가능하게 하기 위해.
• 의미 기반 쿼리 분석, 키워드 확장, 지능적인 재정렬을 통해 결과의 관련성을 향상시키기 위해.
• 연구자와 개발자에게 학술 콘텐츠를 위한 더 정확하고 맥락 인식 능력이 향상된 정보 검색 솔루션을 제공하기 위해.

제안 방법

• 시스템은 대학 도메인의 전문 개념과 관계를 표현하기 위해 온톨로지를 핵심 지식 기반으로 활용한다.
• 쿼리는 표면적 키워드를 넘어서 의미를 추출하기 위해 문법적 및 의미적 분석을 동시에 수행한다.
• 검색 범위를 넓히고 정밀하게 조정하기 위해 온톨로지에서 유도된 동의어 및 관련 용어를 사용해 키워드 확장을 적용한다.
• 키워드 빈도가 아닌 의미적 관련성에 따라 결과를 우선순위 정렬하기 위해 재정렬 알고리즘을 구현한다.
• 웹 콘텐츠를 처리하고 이를 온톨로지에 매핑하여 검색 시 의미 기반 매칭을 가능하게 한다.
• 기존의 표준 검색 엔진(예: 구글)의 결과를 의미 모델을 사용해 재정렬하여 정밀도를 향상시킨다.

실험 결과

연구 질문

• RQ1 온톨로지 기반 지식 표현은 대학 도메인에서 검색 결과의 관련성에 어떻게 기여하는가?
• RQ2 의미 기반 쿼리 분석은 학술 맥락에서 기존의 키워드 기반 검색에 비해 어느 정도 뛰어난가?
• RQ3 온톨로지 관계를 활용한 키워드 확장은 정보 검색의 리콜과 정밀도를 향상시키는 데 효과적인가?
• RQ4 고유한 재정렬 알고리즘은 기본 검색 엔진의 순위 매기기 방식에 비해 결과 관련성 향상에 얼마나 효과적인가?
• RQ5 의미 이해는 도메인 특화 학술 검색에서 사용자 만족도에 어떤 영향을 미치는가?

주요 결과

• SIEU 시스템은 사용자 쿼리의 문법적 구조와 의미적 분석을 통해 검색 정확도를 크게 향상시킨다.
• 온톨로지에서 파생된 용어를 사용한 키워드 확장은 맥락적으로 관련된 문서를 검색할 가능성을 높인다.
• 재정렬 알고리즘은 사용자의 의도와 더 의미적으로 일치하는 결과를 우선순위로 배치하는 데 성공했다.
• 구조화된 도메인 지식을 활용함으로써 SIEU는 기존의 검색 엔진보다 더 높은 정밀도를 보였다.
• 온톨로지를 활용함으로써 시스템은 문자 그대로의 키워드 매칭을 넘어서 복잡한 학술 쿼리의 의미를 이해할 수 있었다.
• 결과적으로 온톨로지를 활용한 의미 기반 검색은 학술 정보 검색에 실현 가능하고 효과적인 접근법임을 시사한다.