[논문 리뷰] Treatment of Semantic Heterogeneity in Information Retrieval

Heiko Hellweg, Jürgen Krause외 5명|arXiv (Cornell University)|2011. 02. 18.

Semantic Web and Ontologies참고 문헌 14인용 수 28

한 줄 요약

이 논문은 사회과학 분야의 정보 검색에서 의미적 이질성 문제를 해결하기 위해 계층적 추론 규칙과 히우리스틱 추출 규칙을 활용해 문서 메타데이터를 자동으로 보강하는 프레임워크를 제안한다. 특히 분류 체계와 어휘어휘집 간의 교차 일치를 포함한 지적, 통계적, 신경망 기반의 전이 모듈을 활용하여 서로 다른 용어 체계 간의 의미적 상호운용성을 크게 향상시킨다.

ABSTRACT

The first step to handle semantic heterogeneity should be the attempt to enrich the semantic information about documents, i.e. to fill up the gaps in the documents meta-data automatically. Section 2 describes a set of cascading deductive and heuristic extraction rules, which were developed in the project CARMEN for the domain of Social Sciences. The mapping between different terminologies can be done by using intellectual, statistical and/or neural network transfer modules. Intellectual transfers use cross-concordances between different classification schemes or thesauri. Section 3 describes the creation, storage and handling of such transfers.

연구 동기 및 목표

• 정보 검색 시스템에서의 의미적 이질성 문제, 특히 사회과학 분야에서의 도전 과제를 해결한다.
• 일관되지 않거나 불완전한 메타데이터를 가진 문서 간의 상호운용성을 향상시키기 위해 의미적 격차를 자동으로 보완한다.
• 다양한 분류 체계와 어휘어휘집 간의 맵핑을 체계적으로 수립하여 종합적 용어 검색을 가능하게 하는 접근법을 개발한다.
• 다양한 지식 자료에서 의미 전이 모듈을 저장하고 관리하기 위한 확장 가능한 인프라를 구축한다.
• 검색 파이프라인에 의미 보강을 통합하여 더 정확하고 포괄적인 정보 검색을 가능하게 한다.

제안 방법

• 의미적 메타데이터를 자동으로 보강하기 위해 계층적 추론 규칙과 히우리스틱 추출 규칙을 적용한다.
• 기존의 분류 체계와 어휘어휘집 간의 교차 일치를 기반으로 한 지적 전이 모듈을 사용하여 시스템 간 용어를 맵핑한다.
• 명시적인 교차 참조가 없는 경우 의미 맵핑을 추론하기 위해 통계적 및 신경망 기반의 전이 모듈을 통합한다.
• 재사용성과 확장성을 위해 의미 전이 맵핑을 구조화된 지식 기반에 저장하고 관리한다.
• 의미 맵핑의 점진적 업데이트 및 동적 적응을 지원하는 모듈식 아키텍처를 설계한다.
• 사회과학 메타데이터에 특화된 지식을 CARMEN 프로젝트에서 확보하여 접근법을 맞춤형으로 조정한다.

실험 결과

연구 질문

• RQ1 어떻게 문서 메타데이터의 의미적 격차를 자동으로 탐지하고 보완하여 검색 정확도를 향상시킬 수 있는가?
• RQ2 사회과학 분야에서 이질적인 분류 체계와 어휘어휘집 간에 효과적인 맵핑을 가능하게 하는 기법은 무엇인가?
• RQ3 지적, 통계적, 신경망 기반의 전이 모듈이 의미적 상호운용성에 얼마나 기여하는가?
• RQ4 의미 전이 모듈은 어떻게 체계적으로 생성하고 저장하며 다양한 정보 검색 시스템 간에 재사용할 수 있는가?
• RQ5 메타데이터 보강이 이질적인 문서 컬렉션에서 정보 검색의 정밀도와 재현율에 어떤 영향을 미치는가?

주요 결과

• 계층적 추론 규칙과 히우리스틱 규칙의 사용이 문서 컬렉션 내 의미적 메타데이터의 완전성을 크게 향상시켰다.
• 교차 일치를 기반으로 한 지적 전이 모듈이 기존의 분류 체계와 어휘어휘집 간의 신뢰할 수 있는 맵핑을 가능케 하였다.
• 통계적 및 신경망 기반의 전이 모듈은 명시적 맵핑이 없는 경우 효과적인 대체 수단이 되었다.
• 검색 파이프라인에 의미 보강을 통합함으로써 이질적인 데이터에 대한 검색 효과성이 명백히 향상되었다.
• 의미 전이 모듈의 모듈식 저장 및 관리 방식은 다양한 시스템과 도메인 간의 재사용을 가능케 하였다.
• 이 접근법은 특히 CARMEN 프로젝트의 맥락에서 사회과학 분야에서 실용적인 타당성을 입증하였다.