[논문 리뷰] A new approach for measuring semantic similarity of ontology concepts using dynamic programming

Noreddine Gherabi, Abdelhadi Daoui외 1명|arXiv (Cornell University)|2019. 04. 04.

Semantic Web and Ontologies참고 문헌 10인용 수 6

한 줄 요약

이 논문은 계층적 온톨로지 구조 내에서 의미적 거리를 계산하는 데 동적 프로그래밍 기반의 새로운 방법을 제안한다. 의미적 유사도를 측정하기 위해 가중치 할당 함수를 도입하여, 한 개념과 그 형제 개념 간의 미세한 유사도 비교를 가능하게 하여, 기존 방법이 이러한 관계를 의미적으로 구분하지 못하는 한계를 극복한다.

ABSTRACT

Today, with the emergence of semantic web technologies and increasing of information quantity, searching for information based on the semantic web has become a fertile area of research. For this reason, a large number of studies are performed based on the measure of semantic similarity. Therefore, in this paper, we propose a new method of semantic similarity measuring which uses the dynamic programming to compute the semantic distance between any two concepts defined in the same hierarchy of ontology. Then, we base on this result to compute the semantic similarity. Finally, we present an experimental comparison between our method and other methods of similarity measuring. Where we will show the limits of these methods and how we avoid them with our method. This one bases on a function of weight allocation, which allows finding different rate of semantic similarity between a given concept and two other sibling concepts which is impossible using the other methods.

연구 동기 및 목표

• 온톨로지 계층에서 형제 개념 간 비교를 다루는 데 있어 기존 의미적 유사도 방법의 한계를 해결한다.
• 대상 개념과 그 형제 개념 간에 구분된 유사도 점수를 제공하는 방법을 개발한다.
• 의미적 거리 계산을 위해 동적 프로그래밍을 통합하여 의미적 유사도 측정의 정밀도를 향상시킨다.
• 온톨로지 기반 정보 검색 및 지식 통합 작업을 위한 견고한 프레임워크를 제공한다.
• 실험적 검증을 통해 제안된 방법이 기존 접근법보다 뛰어남을 입증한다.

제안 방법

• 동일한 온톨로지 계층 내 두 개념 간의 의미적 거리를 계산하기 위해 동적 프로그래밍을 활용한다.
• 개념과 그 형제 개념 간의 유사도 비율을 다르게 할당하기 위해 가중치 할당 함수를 적용한다.
• 경로 길이와 노드 간 관계가 의미적 거리를 정의하는 트리 구조로 온톨로지 계층을 모델링한다.
• 정규화 함수를 사용하여 의미적 거리를 유사도 점수로 변환한다.
• 개념 간 모든 가능한 경로를 효율적으로 탐색하기 위해 동적 프로그래밍에서 재귀적 공식을 활용한다.
• 다양한 계층 수준의 중요도를 반영하기 위해 도메인 특화 가중치를 통합한다.

실험 결과

연구 질문

• RQ1 계층적 구조에서 온톨로지 개념 간의 의미적 유사도는 어떻게 더 정확하게 측정할 수 있는가?
• RQ2 동적 프로그래밍은 온톨로지 내 개념 간 의미적 거리를 효과적으로 계산할 수 있는가?
• RQ3 제안된 가중치 할당 함수는 개념과 그 형제 개념 간에 의미적인 차이를 구분하는 데 기여하는가?
• RQ4 정밀도와 유연성 측면에서 이 방법은 기존 의미적 유사도 접근법과 어떻게 비교되는가?
• RQ5 기존 방법이 가지는 한계는 무엇이며, 이 방법이 이를 어떻게 극복하는가?

주요 결과

• 제안된 방법은 많은 기존 방법에서 부재했던, 개념과 그 형제 개념 간의 의미적 유사도를 효과적으로 구분한다.
• 동적 프로그래밍 접근법은 온톨로지 계층 전반에서 의미적 거리 계산을 효율적이고 정확하게 수행할 수 있다.
• 가중치 할당 함수는 맥락에 민감한 유사도 점수를 가능하게 하여, 다양한 온톨로지 구조에 대한 적응성을 향상시킨다.
• 실험 결과는 이 방법이 미세한 의미적 관계를 더 잘 포착함을 보여준다.
• 이 방법은 온톨로지 기반 정보 검색 및 지식 추론 작업을 위한 더 유연하고 정밀한 프레임워크를 제공한다.