시맨틱(UseCase)
Saltlux
Best Practices
Automatic Semantic Metadata Generation (Ontology Instantiation)
Background
“IT Korea”라는 이름이 붙을 정도로 한국은 정부 기관을 중심으로 IT 지능형 Solution 개발에 대해 커다란 관심을 가지고 지난 수십 년 간 전폭적인 투자와 지지를 해 왔다.
그 일환으로 2007년부터 5개년에 걸쳐 지식 경제부(Ministry of Knowledge Economy) 지원 하에 KAIST(Korea advanced institute of science and technology) 주관으로 구성된 연구 조직들이 Ubiquitous life, Ontology-based knowledge management System, IT knowledge portal, Ubiquitous market과 같은 한국의 지식기반 경제를 이루는데 필요한 core Infra를 구축하고 있다.
Core infra 구축을 위한 가장 핵심은 Ontology instantiation technology인데 이것은 IT domain의 web 문서 혹은 text 문서로부터 instance가 될 수 있는 용어들을 semi-automatic하게 추출하여 National IT Ontology에 기반하여 연결하여 instance를 생성하고 축적하는 것이다.
Instance의 생성 규모로는 5년간 연차 별로 Base Ontology, IT core Ontology, IT device Ontology, IT service Ontology, IT life Ontology에 대한 내용의 instance를 5만, 20만, 50만, 70만, 100만 상당의 어휘를 생성하는 것을 목표로 하고 있다.
Challenge
IT domain의 web 문서 혹은 text 문서로부터 용어들을 추출하는 과정과 추출된 용어들을 IT domain Ontology의 instance로 연결하는 과정을 사람이 직접 작업하기에는 시간과 자원이 많이 소요되어 각 과정에 대한 자동화가 필요하다.수집된 Web 문서 혹은 text 문서 전체에서의 용어들을 추출과 Ontology 연결 처리 과정을 과정을 일괄 자동 작업하고 각 과정에 대한 검토를 수동으로 처리하여 전체 과정이 반자동화가 되도록 해야 한다.
Solution
Natural Language Processing, Named Entity Extraction 기술과 Ontology mapping 기술을 통합하여, 100만개 이상의 instance를 자동 생성하는 OPTIMA (Ontology Population Tool based on Information Extraction and Matching) 시스템을 개발하였다.
IT domain의 web document와 text를 crawling하여 모은 data sources들을 local files 형태로 접근하거나 혹은 file server에서 file로 다운로드 받아 Named entity추출을 위한 input data로 사용한다.
Named entity extraction은 CRF (Conditional Random Fields), ME (Mixtures of Experts), SVM (Support Vector Machine) method에 의한 machine learning에 기반한다.
추출된 named entity는 활용 가능한 ontology schema의 class와 property에 대한 similarity 계산을 통해 mapping 작업이 수행되며, 그 결과는 대용량 repository에 triple형태로 저장하고 관리된다.
또한, 개발된 시스템은 품질 향상을 위해 human computing 기술이 적용되었다. 다수의 참여자는 공통의 workbench를 통해Named entity의 validity와 Ontology instance 후보의 probability를 공동으로 수정, 결정함으로 품질 향상을 가능케 한다.
[System Architecture]
Benefits
Ontology Instance 생성 작업의 자동화로 시간과 구축 비용을 85% 이상 절약할 수 있었으며, 구축된 대규모 ontology instance (semantic network)에 대해 reasoning engine 활용 및 domain specialists의 협력적 작업을 통해 시맨틱 데이터의 일관성 확보, 품질 향상이 가능하게 되었다.
Next Steps
Named Entity Extraction 기능을 발전시켜, co-reference 분석, 보다 강력한 relation (object property) 분석 기술 개발이 추진되고 있다. 또한, 기존 algorithm을 개선하고 2배 이상의 처리 속도 향상을 진행시키고 있다.
각 모듈들은 Eclipse 기반의 plug-in으로 개발되었는데, 현재 UIMA (Unstructured Information Management Architecture) platform 기반의 Component로 변환하고 있으며, 향후 UIMA와 연결된 다양한 applications에서 활용될 수 있을 것이다.
Client
Korea Government and Agency
Why Saltlux?
Saltlux는 자연언어 처리, NE extraction 등의 기반 기술을 가지고 있으며, 아시아 최고의 Semantic 전문 기업으로서 인정을 받았다.
Background
Ubiquitous life, Ontology-based knowledge management System, IT knowledge portal, Ubiquitous market과 같은 한국의 지식기반 경제를 이루는데 필요한 core Infra를 구축한다.
Challenge
IT domain의 web 문서 혹은 text 문서로부터 domain ontology의 instance를 생성하는데 수작업으로는 너무나 많은 비용과 노력이 필요하다. 품질이 확보된 자동화 도구의 개발이 절실하다.
Solution
[IN2]Platform의 NLP 기반 machine learning 엔진과 시맨틱 기술을 결합하여, HTML, Text 등의 unstructured data로부터 자동으로 named entity를 추출하고, ontology instance를 생성하는 시스템을 구축했다.
Benefits
Ontology Instance 생성 작업의 자동화로 시간과 비용을 85% 이상 줄일 수 있으며, 추론 엔진의 활용, domain specialist의 collaborative work을 통해 high quality, large scale semantic network구축이 가능해 졌다.
Next Steps
Co-reference, relation 분석 성능을 강화 시키고 있으며, UIMA environment를 지원하게 될 것이다.
Semantic Search for Intelligent e-Marketplace
Background
세계적으로 e-Marketplace의 시장 규모가 커지고 있으며, 온라인 마켓에서 취급하고 있는 물품의 종류도 늘어나고 있다.
한국의 온라인 마켓 시장도 매년 증가하고 있는 추세로 통계청 자료에 따르면 인터넷 쇼핑몰 사업체 수는 4463개로 2006년 대비 14% 증가했으며, 거래 액은 13조 4596억 원으로 연간 26.1%의 높은 신장률을 보여, 백화점, 할인점 등의 8% 대에 비해 큰 성장을 보이고 있다.
이러한 시장에서 소비자가 원하는 제품에 대한 정보를 쉽고, 빠르고, 정확하게 정보를 제공하고, 그 정보간의 비교 분석을 통해서 물품을 구매할 수 있는 System에 대한 요구가 늘어나고 있다.
Challenge
대부분의 쇼핑몰에서는 제품을 찾기 위해 product taxonomy를 navigation 하는 방법과 keyword 기반 IR (information retrieval) 방법을 제공하고 있다.
Product taxonomy를 통해서 특정 상품을 접근할 경우, 너무나 많은 물품 목록을 검토해 봐야 하며, 해당 제품에 대한 specification 및 option 정보를 자세히 모를 경우, 소비자가 구매를 하는데 어려움을 겪게 된다.
IR을 통해 제품을 찾을 경우, 단순 Keyword matching만 수행하게 되므로, 검색 정확성이 떨어지기도 하고, 비교 및 유사 상품 목록을 검토하기 힘든 한계를 가지고 있다.
e-Marketplace에서 제품 구매 만족도를 향상시키기 위해서는 제품을 구매하기 전에 제품에 대한 사용 평가, 관린 기사 등을 쉽게 찾아 볼 수 있어야 한다.
Solution
e-Marketplace를 위한 semantic based IR system은 semantic meta-data를 자동 생성하여 triple repository에 저장하고, query 및 reasoning 기능을 기존의 IR system과 결합함으로 보다 지능적이고 정확한 상품 정보 검색을 가능케 한다.
Semantic Meta-data는 상품 database 혹은 web으로부터 수집된 각종 상품 정보 web page로부터 자동 추출되며, 추출된 meta-data는 RDF형태로 triple repository에 온톨로지와 함께 통합 저장된다.
기존의 IR system이 keyword에 기반한 단순 index searching 기능을 제공한다면, 개발된 semantic search system은 triple에 대한 query와 keyword index search를 hybrid로 적용하고 있다. 또한, 온톨로지를 활용함으로 synonym, homonym 등을 효과적으로 처리할 수 있다. 특히, 온톨로지의 subsumption reasoning을 통해 concept expention과 narrowing을 통한 유사상품 추천이 가능해 졌다.
제품에 대한 상세 기능 및 옵션들을 semantic meta-data로 반자동 구축함으로기능에 따른 보다 정확한 상품 검색과 추천이 가능하게 되었다. Semantic meta-data에 rule based reasoning 기술을 적용함으로, 경쟁 관계, 유사 제품 등의 보다 가치 있는 정보를 생성, 고객들에게 제공한다.
또한 개발된 시스템은 블로그 등으로부터 수집된 웹 정보와 뉴스 정보를 mining하여서 각 상품과 관련된 review, evaluation reports를 상품 정보와 함께 제공한다.
[System Architecture]
Benefits
의미 기반 상품 정보 검색 System을 도입한 이후, 사용자가 원하는 정보에 대한 accuracy와 recall이 동시에 향상되어 소비자에게 양질의 정보를 제공할 수 있게 되었으며, 쇼핑몰 내의 상품평 뿐만 아니라 외부의 상품 사용기 (블로그, 커뮤니티, 등) 및 뉴스 정보를 같이 제공함으로써 서비스 신뢰감과 고객 만족감이 높아졌다.
또한, 소비자가 선택한 제품과 비슷한 성능 또는 사양의 제품 정보를 제공하며, 동시에 대체 제품, 관련 제품에 대한 추가 구매 정보를 제공하게 됨으로 고객 만족도가 향상되었다.
Next Steps
향후 추론 기능을 강화시켜 대체 제품, 액세서리 등의 관련 제품 정보 제공 성능을 향상시킬 것이다.
또한, 소비자 구매 패턴과 제품 검색 경향 등을 분석하여 개인 맞춤형 상품 추천에 활용하는 서비스 기술이 개발되고 있어 보다 지능화된 e-Marketpace 시스템의 개발이 가능해 질 것이다.
Client
National Archives of Korea (NAK)
Why Saltlux?
대용량 Metadata Repository 및 Semantic Search System을 구축하기 위해서는 Saltlux의 Semantic과 Search Engine 기술력이 동시에 요구된다.
Background
NAK는 모든 국가 기록물을 관리하며, 이에 대한 대국민 서비스를 수행한다. 분산된 이질적 metadata 체계를 효과적으로 통합하고, 서비스 해야 할 과제를 가지고 있다.
Challenge
Non-current record 약 7,000만 건에 대한 semantic annotation과 10억건 이상의 triple indexing 수행이 필요하며, heterogeneous data에 대한 semantic interoperability 확보와 semantic search service 시스템 개발을 완료해야 한다.
Solution
Saltlux의 [IN2]SOR과 Semano를 활용하여, ISO-11179 표준을 수용한 ontology 기반 MDR을 구축하고 기록물간의 상호 운용성을 확보하였다. 기록물 정보에 기반한 검색 영역의 domain ontology를 구축, 약 12억 건 이상의 대용량 metadata를 대상으로 의미 기반의 Semantic Search System을 구축 완료 하였다.
Benefits
의미 기반의 metadata 통합과 ontology와 추론 기반 검색 서비스는 사용자의 서비스 만족도를 향상 시켰다.
Next Steps
초대용량 metadata에 대한 interoperability 및 추론 성능 향상과 대국민 서비스 기능을 발전, 강화시킬 예정이다.
Personalized News Recommendation System
Background
현대의 정보 서비스 고객들은 주식 정보, 경쟁자 정보와 같이 자신과 관련된 뉴스를 가능한 빠르게 얻고 싶어한다. 이러한 정보는 개인 생활 혹은 사업 경쟁력과 매우 밀접하게 관련된 사건 또는 사회적 이슈를 담고 있다.
이러한 뉴스에 대하여 사용자는 다양한 환경에 구애 받지 않고 제공 받고 싶은 열망이 있으며, 이는 기술의 발전과 더불어 뉴스 제공 방식이 기존의 종이로 된 신문에서 인터넷 상의 뉴스 그리고 나아가서는 현재 휴대폰 단말기 등, 다양한 경로를 통한 제공이 가능하도록 하였다.
또한 글로벌화와 일상 생활의 복잡도 증가 그리고 사용자의 인터넷 상의 publishing이 가능해 짐에 따라 뉴스와 정보의 경계선이 모호 해지고 뉴스의 종류, 분량이 이전에는 상상하기 어려울 정도로 늘어나게 되었다.
Challenge
기존의 인터넷 등을 통한 뉴스 제공 Service는 일단 사용자가 뉴스를 제공하는 사이트를 방문하여 기사를 보거나, 검색 등을 통해 검색된 정보를 제공받는 방식으로 주로 PC 등을 사용하기 때문에 필요한 뉴스는 사용자 스스로 찾아 보는 상황이었다.
따라서 사용자가 뉴스 제공 사이트에 접속하면 모든 사용자가 동일한 화면을 보거나 자기가 지정한 특정 섹션의 뉴스만을 Browsing 하는 등의 제한된 Service만을 받을 수 있었다.
하지만 사용자는 다양한 환경에 처해 있고, 이러한 다양한 환경에서 사용자가 관심 있어 할만한 뉴스만을 사용자 맞춤형으로 추천 받는 것은 뉴스 정보 제공 Service에서 해결해야 할 가장 중요하고 궁극적인 목표이다.
하지만 사용자가 이러한 다양한 환경 정보를 스스로 인지하기도 어려웠고, 이러한 환경 정보를 종합적으로 처리하기에는 기존의 뉴스 제공 정보 제공 System의 기술적 한계를 가지고 있었다.
Solution
개발된 뉴스 추천 System은 사용자의 다양한 context information을 수집하는 [IN2]platform의 context crawler 그리고 이렇게 수집된 context 정보에 적합한 뉴스 정보를 추출, 분류하는 [IN2]TMS, 정보 indexing과 검색을 위한 [IN2]DOR이 사용되었다. 다양한 device에서의 맞춤형 콘텐트 검색 및 추천을 위해서 multi-modal interaction 기술이 활용 되었다.
수집되는 사용자 context 정보는 현재 사용자의 위치/시간, 사용자 관심 정보 키워드, 사용자 schedule, 날씨 정보, 기타 사용자 profile 정보 등이다.
이러한 상황 정보는 센서 Network, 개인 정보 profiler 등을 통한 context crawler를 통해 수집되고, 이는 수집되는 뉴스 관련 ontology와 포함되어 추론 엔진을 통해 자 맞춤형 뉴스를 판단하게 된다.
맞춤형 뉴스를 포함하는 다양한 뉴스 정보는 여러 뉴스 소스를 통해 수집하게 되며, 뉴스 본문만을 추출하기 위한 Wrapper 모듈이 개발, 사용된다.
[IN2]SOR의 추론 기능을 통해 사용자에게 적합한 뉴스를 선별하고, 뉴스 content를 현재 사용자가 사용하는 device에 따라 자동 변환한다. PC의 경우는 뉴스 전체, Mobile phone의 경우는 뉴스 정보를 [IN2]TMS를 통해 자동 요약을 수행한다.
[System Architecture]
Benefits
사용자는 PC가 없이도, mobile phone 혹은 다양한 휴대 단말기를 통해 자신의 관심 정보를 검색, 추천 받을 수 있게 되었다. 이러한 정보는 사용자 선호(preference), 위치, 날씨, 경제적 사건 등 다양한 context에 따라 동적으로 재구성되며, 고객에게 실시간 제공된다.
모든 뉴스 콘텐트로부터 자동 추출된 뉴스 metadata가 RDF 형태로 저장, 관리되고 공유됨으로 cost effective하고, flexible한 서비스 시스템 개발이 가능했다.
특히, news content를 device의 capability에 따라 실시간 자동 요약하거나, 음성으로 출력하는 등의 multi-modality는 다양한 환경에서의 고객 만족도 향상을 이끌어 낼 수 있었다.
Next Steps
뉴스 추천 서비스 시스템은 한국에서 추진되고 있는 다양한 ubiquitous city project에서 활용될 수 있을 것으로 보인다. 특히, multi-modal interaction 성능 개선과 함께, telematics 서비스 환경과 wibro 등의 차세대 IT 서비스에서 service provider들에게 확장된 business model을 제공하게 될 것으로 기대된다.
Client
Korea Telecom (KT)
Why Saltlux?
Context Awareness 관련 기술을 확보하고 있으며, news crawling과 metadata 자동 추출, 저장, 추론할 수 있는 기술과 경험을 가지고 있기 때문이다.
Background
Mobile 등 IT 환경이 발전함에 따라, 고객의 다양한 상황에 적합한 개인화된 맞춤형 정보 추천 서비스의 요구가 증가되고 있다.
Challenge
각 개인의 preference와 context를 분석하고, 각 개인과 관련된 정보만 수집 분석하여 제공하는 기술의 개발이 필요하다. 또한, 사용자의 다양한 device capability에 맞춰진 content 변화 기술이 필요하다.
Solution
[IN2]platform의 DOR, TMS, SOR을 활용함으로, 사용자에게 적합한 뉴스를 수집, 선별하고 이를 각 사용자의 환경에 따라재구성하고 추천하는 시스템을 개발하였다.
Benefits
사용자는 mobile 환경, telematics 환경에서도 자신에게 맞추어진 다양한 정보 서비스를 받을 수 있게 되었고, 이를 통해서 고객 만족도 향상과 새로운 서비스 모델 개발이 가능하게 되었다.
Next Steps
Multi-model interaction 성능을 개선할 것이며, u-city, telematics 등 다양한 서비스 환경에서 활용될 예정이다.
Ontology based Digital Library
Background
KERIS(Korea Education & Research Information Service)는 한국 최대 규모의 학술 논문과 연구 자료를 온라인에서 제공해온 정부기관이다. KERIS는 보다 진보된 digital library 구현을 위해 다양한 첨단 기술을 도입해 왔으며, 최근에는 Semantic web을 혁신적 서비스 기술로 인식하여 여러 관심과 투자를 진행했다.
KERIS는 솔트룩스와 함께 2006년 총 10개월 동안 ontology 기반 정보 검색 system 구축, 관련 주제어 추천, 중장기 기술 및 서비스 로드맵 수립을 위한 프로젝트를 진행하였다.
Challenge
본 프로젝트는 heavy ontology와 reasoning기술에 기반한 semantic information retrieval system 구현을 목표로 하고 있다. 방대한 국내외 학술논문에 대한 semantic IR이 최초로 시도되었으며, 공개 서비스를 목표로 하였으므로, 대용량 실시간 상용 서비스 수준의 성능 달성이 큰 도전이었다.
프로젝트 수행에 가장 큰 장애물은 풍부하지 못한 학술 정보 metadata와 reasoning engine의 performance 문제였다.
Solution
Semantic IR System 구축을 위해 F-logic을 지원하는 Ontostudio를 사용해 182개의 ontology class 설계, 수작업을 통한 2,924개의 고품질 instance를 생성하였다. 또한, [IN2]Semano를 통해 논문으로부터 11만개의 ontology instance를 자동 추출, 생성하였다. 설계된 f-logic rule은 다양한 온톨로지 및 사용자 query에 대해 [IN2]SOR과 OntoBroker가 보다 효과적인 추론을 가능하게 하였다.
구축된 온톨로지 기반 추론 및 질의 system은 검색 엔진인 [IN2]DOR과 index level에서 통합되었다. Semantic IR 시스템의 성능을 향상시키기 위해 Knowledge Base의 materialization과 query cache 기술을 적용하였다.
[System 구성]
Benefits
Ontology 기반의 semantic information retrieval system이 기존의 keyword 기반 search engine의 문제들을 효과적으로 해결할 수 있음이 검증되었다.
특히, 유사개념, 상위 및 하위 개념으로의 검색 결과 확장을 가능케 하고, 각 정보 개념에 대해 관계를 중심으로 navigation하는 기능을 제공함으로 다양한 계층의 연구자들에게 효과적인 정보 검색과 활용 환경을 제공하게 되었다.
또한 개발된 semantic IR system은 각 검색 주제와 관련된 주요 저자, 관련 연구기관, 관련 교수 추천 등의 ontology 및 rule based reasoning을 통해 보다 지능화된 형태의 정보 추천 및 검색 서비스 구현이 가능함을 증명하였다.
개발된 시스템은 현재 KERIS의 공식 서비스 웹 사이트에서 시범 서비스 운영 중이며, 사용자로부터 좋은 평가를 받고 있다.
Next Steps
검색 대상 domain 범위를 확대하고 각 연구 정보의 연관성 분석을 통한 관계 검색 기능을 강화시킬 예정이다.
최근 더욱 발전된 semantic annotation 및 instantiation 기술을 적용하고, 보다 향상된 성능의 semantic repository로 개발된 시스템을 upgrade한다면, 기존의 키워드 검색 방식과의 확실한 차별성이 부각될 것으로 판단된다.
Client
KERIS(Korea Education & Research Information Service)
Why Saltlux?
Semantic Digital Library 구축을 위한 모든 요소 기술과 제품, 경험을 가지고 있다
Background
KERIS는 학술 논문과 연구 자료를 온라인에서 제공해 온 정부기관으로 보다 진보된 digital library 구현을 위해 Semantic web 기반의 서비스 인프라 구축을 추진하고 있다.
Challenge
고품질 학술 정보 검색을 위해 대용량 semantic IR system의 구축과 고성능 추론 시스템 구현이 필수적이다. 원문 정보의 metadata 품질 문제도 극복되어야 할 도전이었다.
Solution
OntoStudio를 사용해 f-logic ontology와 inference rule을 설계하였으며, [IN2]SOR과 연동된 추론엔진인 OntoBroker와 검색 엔진 [IN2]DOR을 통합하여 semantic IR system을 개발하였다. 대규모 ontology instance 자동생성을 위해 [IN2]Semano를 활용하였다.
Benefits
개발된 ontology 기반 semantic IR system은 검색 결과의 확장과 개념 관계 중심의 정보 navigation 기능을 제공하고 있다. 다양한 부가 정보 추천 기능을 통해 서비스 사용자의 만족도를 향상시켰으며, 기존 keyword 기반 검색의 한계가 효과적으로 극복 가능함을 증명하였다.
Next Steps
검색 대항 domain 범위를 확장하고 성능과 기능을 더욱 개선할 예정이다.
Intelligent Global Patent Analysis System
Background
특허는 기술혁신의 다양한 현상을 분석하는데 거의 유일한 정량적 자료로 받아들여 지고 있고 최근 들어 비즈니스 모델에 대한 특허가 세계 각국의 특허청에서 인정됨에 따라 과거의 기술 중심의 영역을 확대하여 Service 혁신에 대한 분석도 가능해 졌다.
따라서 특허의 분석은 기술 개발 활동뿐만 아니라 사업 개발 활동에 이르기까지 활용 가치가 확장 되었다고 할 수 있다.
이러한 지적 재산권 분석을 가능하게 하기 위해서는 풍부한 특허 정보를 가공하고 활용하는 방법의 제시가 필수적이지만, 현재 대부분의 지적재산권 및 특허 관련 분석은 개발자의 경험이나 직관에 의존한 키워드 기반의 검색 System이다 보니 특허의 방대하고 가치 있는 정보를 제한적으로 분석하는 한계점에 도달하였다.
이에 LG 전자 특허 센터에서는 텍스트 마이닝 기술을 적용하여 구조화되어 있지 않은 특허 문서로부터 자동으로 정보를 추출하고, 패턴을 분석하여 유사 특허 검색 및 분석, 기술, 연구 문제점 중심의 분류 체계 구축을 통하여 통합적 기술 문제 해결 방안 도출이 시급하였다.
또한 Ontology에 기반한 핵심 키워드 확장을 통해 의미 기반 검색과 요소 기술, 부품, System 구성, 기술 목적(해결하고자 하는 문제) 등의 개념적 상관 관계를 도출하고자 Semantic 기술이 적용된 새로운 특허 분석 System을 개발하게 되었다.
Challenge
작성된 특허 출원서에 기반해 기 출원/등록된 국내외 유사 선행 기술을 자동으로 검색하는 지능형 선행 기술 검색 System이 필요하였고 검색된 선행 기술의 유사도 제시, 핵심 키워드 및 구문 비교가 요구 되었다.
또한 키워드 확장을 통한 숨겨진 선행 기술 발굴 기능 포함 LG전자 내의 모든 기술 문서와 전 세계 모든 특허 대상으로 다양한 관점의 분류 체계에 맞게 자동 분류하는 System의 개발에 대한 니즈가 있었으며 선행 특허 기술에 대해 활용/대응하고자 하는 사람이 기술적 문제점(난관) 관점에서 관련 선행 기술을 쉽고 빠르게 파악할 필요성이 있었다.
분석, 연구, 대응 하고자 하는 기술/특허에 대해 문제점과 해결책을 직관적으로 나열하고, 이를 요약 제공함으로 기술에 대한 개념적 체계성을 확보할 수 있게 되었다.
Solution
[IN2]DOR과 TMS를 활용해 지능형 선행 기술 검색 System을 구축하고 키워드, 문서 기반 지능형 유사 특허 검색이 가능하도록 하였으며 최대 2억 문서에 대한 실시간 검색과 더불어 한국어, 일본어, 영어에 대한 교차어 검색 또한 가능하게 하였다.
Ontology에 기반하여 핵심 키워드를 확장하고 LG전자 사업/기술 범위에 대한 문서/워드 clustering 및 다차원 자동 분류 System, 다단계, 다차원 자동 분류 기능(SVM 모델 적용)이 구현되었고 다국어 고품질 언어 분석에 기반한 영어, 일어 특허 자동 분류가 가능하게 되었다.
Problem-Solution 자동 군집 System을 구축하여 고품질의 Feature Extraction 및 Information Extraction 기능을 구현하였으며 Template에 기반한 자동 생성 요약 기능 또한 제공 되었다. 그리고 검색 System 연동을 통하여 유연한 검색이 가능 해졌다.
[System Architecture]
Benefits
출원 기술의 등록 타당성 검토 및 전략적 idea 확보하고 키워드 검색의 한계성을 극복하였으며 향후 연구 개발의 방향성을 제시하였다. 또한 제품 및 기술 개발 시 지적재산권 분쟁 가능성 제거 및 특허권 획득에 기여하고 특허 출원 시, 관련 기술 범위 확장을 통한 권리 영역 확대할 수 있게 하였다.
개인의 전문 분야에 대한 지적 자산의 체계적 관리와 운영을 가능하게 하고 연구, 분석, 대응하고자 하는 기술 및 특허에 대한 문제점과 해결점을 자동 군집 하여 제공함으로 기술에 대한 개념적 체계성 확보와 더불어 기술적 문제 관점에서 관련 선행 기술을 쉽고 빠르게 파악할 수 있게 하였다.
Next Steps
보다 강력한 semantic 기술 적용을 통해 지능화된 특허 분석 System을 구축하여 적극적 특허권 방어와 공격적 특허 권리 활용을 증대시킬 계획이다. 이러한 발전은 자산 가치 증대와 Cost center에서 Profit center로 지적재산권 관련 부서의 위상을 향상시키고, 신기술 및 신제품 개발의 중심 역할을 할 수 있을 것으로 전망한다.
Client
LG Electronics
Why Saltlux?
Saltlux의 정보 검색, 마이닝 및 시맨틱 기술은 이미 특허 분야에 적용되어 성공한 사례를 가지고 있었다.
Background
특허의 자산가치가 더욱 향상되고, 국제 기술 경쟁력의 원천으로 인식됨으로 보다 발전된 형태의 지적재산권 분석 시스템의 개발이 필요하게 되었다.
Challenge
다국어로 작성된 국제 선행 기술 특허를 자동으로 검색하는 지능형 검색 System의 구현과 다국어 기술 문서에 대한 automatic classification 및 clustering 기능을 온톨로지 기반하여 구현한다. 특히, 3000만 건에 달하는 대용량 처리와 개인화 검색, 분석 기능의 구현은 매우 도전적목표이다.
Solution
[IN2]DOR과 TMS를 활용함으로, Ontology 기반의 핵심 키워드 확장과 다국어 문서/word clustering 및 다단계, 다차원 자동 분류(SVM 모델 적용) 기능을 구현하였고, 연구자들을 위한 개인화된 서비스 구현을 완료 하였다.
Benefits
지적재산권의 가치를 향상시키고, 적극적 특허 분쟁 대응으로 기업의 국가 경쟁력 향상과 새로운 기술 개발 비용을 절약하는 효과를 경험하게 되었다.
Next Steps
개발된 시스템에 보다 강력한 semantic 기술을 적용함으로 지적재산권 가치를 향상 시켜 기업의 기술 경쟁력과 수익성을 향상시키고자 한다.
Mobile Social Network Analysis System
Background
2003년 인터넷 시장의 핫 이슈가 블로그였다면 2005년, 2006년의 핵심 키워드는 Social Network Analysis(SNA)이다. SNA는 인터넷 영역 내에서 검색, 커뮤니티, 서비스 매칭 등 다양한 분야에 활발한 연구가 지속되었다.
Social Network Analysis는 개인이나 집단 등 사회구성 요소간 관계를 구조적으로 표현한 것으로 이미 인터넷을 넘어 휴대용 모바일 환경으로 그 적용이 확대되었다. 통신영역 내에서 Social Network(사회관계망)을 구성하는 것은 휴대 단말기 소유자인 각 개인과 통신 네트워크를 Mapping하고 각 노드들 간의 물리적 관계로부터 의미적, 개념적 관계를 발견하여 사용자에게 지능적인 모바일 서비스를 제공하거나 전략적 판단의 근거를 제시해 준다.
이렇게 산업적으로 유용한 측면에도 불구하고 실시간으로 쏟아지는 대용량의 통화이력정보(Call Detail Records)를 효율적으로 처리하는 기술과 사화관계망을 Topology와 관계강도(Tie-Strength)로 표현하는 부분은 많은 기술적 어려움이 존재한다.
최근 Telecom 분야에 사회관계망의 필요성이 강력하게 대두됨에 따라 Korea Telecom Freetel(KTF)에서 Semantic Technology에 기반하여 사용자에게 지능형 서비스를 제공 가능한 Mobile Social Network Analysis System을 구축하게 되었다.
Challenge
Mobile 환경에서의 사회망 분석(Social Network Analysis)은 사용자 정보(User Profile)와 수십억 건의 대용량 통화이력 정보를 처리하는 기법과, 방대한 Data로부터 Data Mining 기법을 이용하여 분석가능 정보를 도출하고 패턴을 발견하는 것이다.
또한, 고차원적인 분석기법을 이용하여 Social Network 내의 중심성(Centrality),
연결성(Betweeness), 밀폐성(Closeness)을 분석하고 각 노드의 연결강도(Tie-Strength)를 정의하는 것이다.
Solution
본 프로젝트는 대용량의 통화이력 정보(CRD)로부터 관계정보를 추출하고 이를 기반으로 통화네트워크와 Entity간의 관계를 온톨로지로 구성하는 것이 매우 중요하다.
이에 솔트룩스는 여러 이동 동신 회사를 위한 구축경험을 기반으로 [IN2]SOR을 활용한 mobile social network analysis system을 개발하였다.
Mobile network으로부터 얻은 가입자 정보로부터 1차 사회 관계(social relation)을 정의하고, 통화 데이터를 이용하여 시간대 별 위치, 시간대 별 통화량, 시간대 별 통화 방법 등을 통해 2차 사회 관계(social relation)을 도출하였다.
Information Collector에 의해 수집된 사회정보, 친밀관계정보, 가입자 정보 등은 사회관계망 구성기 내의 친밀관계분석모듈, 사회관계분석모듈 등 다양한 분석모듈에 의해 가족관계(family), 친구 관계(friend), 업무 관계를 발견하였고, Data mining을 통해 이를 검증하였다.
검증 결과를 바탕으로 가설을 재구성하고 사회 관계망(social network)을 수정하는 과정을 반복하였으며, 구성된 친밀 관계 정보 및 사회 관계 정보 등을 지능형 정보 저장소에 저장하고 사회 관계망을 제공하는 Service와 연계하였다.
[System Architecture]
Benefits
Mobile 환경에서 사회관계망을 도입/적용함으로 서비스 공급자는 전략적인 의사결정과 판단을 할 수 있으며, 사용자는 다양한 지능형 Mobile Service를 제공 받을 수 있었다.
가령, 사회망 분석을 통해 Social Network내의 중심 Hub를 발견하게 되고 이를 중심으로 다양한 Mobile 광고와 마케팅 정책을 펼쳐 효과를 극대화 할 수 있다. 또한 사용자는 Contents 추천, 전문가 검색과 Share interests & Activities 등 보다 수준 높은 서비스를 제공받을 수 있게 되었다.
Next Steps
Mobile 환경이 3G를 기반으로 변화하면서 가입자들은 지역과 관계없이 보다 수준 높은 Service를 받을 수 있게 되었다.
또한, Mobile Social Network Service는 새로운 정보의 교환 및 관계가 Real-Life로 제공되며 미래의 새로운 관계 생성에 기반하여 가입자의 선호와 성향이 반영될 다양한 지능형 서비스가 제공될 것이다.
Client
KTF (Korea Telecom Freetel)
Why Saltlux?
Saltlux는 세계적 이동 통신 회사들에게 시맨틱 기술에 기반한 제품 공급 경험을 보유하고 있다
Background
오래 전부터 Virtual Community가 사회적 이슈가 되고 있고 이는 Telecom 분야에도 파급이 되었다. 단말기 사용자는 Mobile을 통하여 인터넷 상의 다양한 지능형 서비스를 요구하게 되었다.
Challenge
대용량의 CDR Data의 처리와 이를 통한 분석가능정보의 추출과 패턴 도출이 큰 과제였다. 또한, 도출된 Node들 간의 관계강도를 분석하는 기술이 요구되었다.
Solution
CDR Data로부터 정보 분석하고 분석을 기반으로 통화 네트워크를 온톨로지로 구성하였다. 또한, 사회관계망 구성기를 통하여 친밀관계, 사회관계 등을 분석하고 Data Mining을 통해 검증하였다.
Benefits
개인의 Interests, Activities를 관계 그룹과 공유할 수 있으며, 전문가 검색 등 다양한 지능형 서비스를 제공할 수 있게 되었다.
Next Steps
사회 관계망을 구성함으로써 다양한 사회적 관계 분석을 통한 가입자들의 선호와 성향을 예측하여 지능형, 맞춤형 Service를 제공할 수 있게 될 것이다.
Mobile Content Recommendation System
Background
IP Multimedia Subsystem(IMS)과 같은 차세대 이동통신망 환경에서, 이동 통신망은 기존의 IP망과 연계되고 통합되며, 이에 따라, 보다 다양하고 방대한 양의 Contents와 Service들이 이동 통신망 가입자들에게 전달될 수 있다.
이를 통해 이동 통신망 가입자들은 유선망과 무선망의 구분 없이 이음새 없는(Seamless) Service를 제공받을 수 있게 되며, Contents나 Service 제공자들은 고객의 확대와 새로운 사업의 기회를 창출하게 되고, 이동 통신망 사업자들은 망 활용의 부가가치를 증진시킬 수 있다.
하지만, 이러한 환경적 진보를 통한 Contents와 Service의 다양화와 대량화는 이동 통신망 가입자들이 원하는 Contents와 Service를 발견할 수 있는 가능성을 제공할 뿐, 발견하는 과정에 대한 더 많은 노력과 관심을 요구하게 된다.
그러므로, 소비자들이 더 적은 노력을 통해 Contents와 Service에 접근하여 사용에 대한 이익을 최대한 느끼게 하기 위한 제공자와 전달자 관점의 기술의 개발과 환경적 준비가 필요하다.
이에 KTF(Korea Telecom Freetel)에서는 지능형 Contents Recommendation System이 필요한 실정이라는 것을 절실히 깨닫게 되었다.
Challenge
이동 통신 환경에서 Contents와 Service에 대한 사용자의 접근성을 향상시키기 위해서는 전달 System이 개별 사용자의 선호와 상황을 고려하여 적합한 Contents 혹은 Service를 선택하고, 적합한 시점에, 적합한 방식으로 사용자의 단말 환경으로 전달하여야 한다.
하지만, 현재의 이동 통신망은 사용자의 선호와 상황을 이해하기 위한 충분히 통합된 체계를 제공하는 데에 부족함이 많으며, 더욱이 이러한 통합된 체계 위에서 보다 지능화된 Service를 개발할 수 있는 환경을 제공해 주지 못하고 있다.
그러므로, 이러한 개인화되고 맞춤화된 Contents와 Service의 접근 환경으로 제공하기 위해서는 사용자 선호와 사용자간의 관계를 식별하고 이를 통합하여 분석하고 표준화된 방식으로 각각의 Service에 제공할 수 있는 체계가 필요하다.
Solution
이동 통신망 가입자의 유,무선 Contents에 대한 사용 이력을 분석하여 개인 및 세분화된 가입자 그룹의 선호를 식별한다.
식별된 선호는 Contents-based filtering과 collaborative filtering 등의 기법을 적용하여 가입자에게 적합한 Contents를 추천하는 데에 사용된다.
가입자의 선호와 함께 시간, 장소, 날씨, 일정 등 가입자가 처한 상황 정보에 따른 추천 정책을 적용하여 가입자의 현재 시점에 적합한 Contents 추천이 가능하도록 한다.
가입자와 가입자 간의 사회적 관계를 유추하고 이를 통해 선호 정보가 없는 가입자의 Stereotype을 추정하여 추천하거나, 혹은 가입자와 관련된 가입자를 위한 Contents를 추천한다.
[System Architecture]
Benefits
가입자, 그룹, Stereotype등의 선호를 통한 contents 추천과 가입자의 물리적, 논리적, 사회적 상황을 고려한 Context Awareness 기반의 Contents 추천은 가입자에게 보다 쉽고 편리하게 맞춤형 Contents를 제공함으로 정보 발견을 위한 접근 비용을 최적화시키고 정보의 활용성과 편의성을 증가시킨다.
또한, 서비스 공급자는 사용자의 니즈에 맞는 Contents를 지능형으로 제공함으로 경쟁력 강화와 사용자의 유지와 신규 고객 확대를 증가시킬 수 있는 투자 효과를 가져다 준다.
Next Steps
본 프로젝트는 성공적으로 1차 년도 연구 과제를 완료하여 기술의 사용 가능성을 입증했으며, 현재 운영중인 상용 시스템과의 연동을 거쳐 Contents Recommendation Service의 상용화와 다양한 추천 서비스를 단계별 적용 할 예정이다.
Client
KTF (Korea Telecom Freetel)
Why Saltlux?
솔트룩스는 다양한 프로젝트를 통하여 상황인지 기술과 추천 기술을 보유하고 있으며 이는 Contents Recommendation System의 핵심 기술로 높이 평가되었다.
Background
통신 사업자들은 차세대 이동통신망 환경에서의 방대한 양의 Contents를 기반으로 가입자에게 이음새 없는 서비스의 제공과 맞춤형 서비스 제공을 통하여 고객의 확대와 새로운 사업의 기회의 확대가 필요하게 되었다.
Challenge
Contents와 Service에 대한 사용자의 접근 향상성을 위하여 사용자 개인의 특성, 선호, 관심에 따른 Contents의 분석과 이를 통하여 Right Contents, Right Time, Right Way 등, 효과적으로 사용자에게 전달하는 기술체계가 요구되었다.
Solution
식별된 선호에 기반하여 Contents-Based Filtering, Collaborative Filtering 등의 기법이 적용된 [IN2]의 Recommendation Module이 적용되었다.
Benefits
Mobile 환경에서 적합한 Contents를 손쉽게 발견할 수 있으며, 정보 접근을 위한 비용을 최소화 함으로써 가입자의 Contents 활용성과 편의성을 증대시킨다.
Next Steps
상용화 단계로 운영중인 상용 시스템과의 연동과 다양한 추천 서비스를 단계별 개발/적용하여 Intelligent Recommendation Platform을 완성 할 예정이다.
UI Auto-configuration for Personalized Mobile Service
Background
현재 제공되는 CDMA, WCDMA, WLAN 등의 무선망과 xDSL, FTTH 등의 유선망에서 향후 차세대 All-IP 망에서는 기존의 유무선 통신망과 연계되고 통합되어, 보다 더 다양하고 방대한 양의 Contents와 Service를 이동 통신망 가입자들에게 전달할 수 있게 되었다.
이동 통신망 가입자들은 Contents와 Service를 핸드폰, PDA, PDP, UMPC, 풀 스크린 이동 단말기, convergence된 이동 단말기 등을 통해서 사용하고 있고, 이러한 단말기 들은 PC에 비해 작은 화면크기와 기기의 낮은 성능, 그리고 불편한 입력 방식 등과 같은 제약이 존재하였다.
이동 통신망 사업자들은 고객에게 Customizing 된 정보를 제공하여 고객의 편의성 증대와 사업자의 부가가치를 증진시키기 위해 끊임없이 노력하고 있다. .
따라서, KTF 등 이동 통신망 사업자들은 차세대 망을 통해 이동 단말기 사용자에게 원하는 정보를 편리하게 제공해 줄 수 있는 기술적 환경이 필요한 실정이다.
Challenge
차세대 망에서의 다양한 이기종 Mobile 단말기를 보유한 가입자들은 자신의 단말기의 속성에 관계없이 동일한 Contents와 Service를 제공받기를 원하고, Contents와 Service 제공자들은 각각의 단말기 속성에 적합하게 Service와 Contents를 생성해서 제공해야 하는 문제가 있었다.
또한, 다양한 이기종 Mobile 단말에서는 입력 방식, 출력 화면 등의 제약으로 인해 정보 접근에 불편함이 있어, 수많은 정보 중에 사용자가 원하는 정보를 얻는데 어려움이 존재하였다.
Solution
Mobile 단말기에 대한 제약성을 극복하기 위해 사용자에게 제공할 UI를 XML 형태의 정의된 표현 방식에 따라 생성하여 어떠한 형태에 단말에서도 적용될 수 있도록 하였다.
이러한 표현 방식은 국제 Mobile 표준 협회인 OMA(Open Mobile Alliance)의 DCD(Dynamic Contents Delivery)라는 국제 표준 기술을 따르고 있다. OMA에서, 각종 유무선 Contents를 실시간으로 Mobile 단말에 전달하는 기술로 현재 표준화 작업 진행 중} 현재 Mobile 단말에 대한 특징 및 속성을 모델로 정의하여 관리한다.
본 프로젝트에서는 단말기 정보를 CC/PP 형태의 RDF로 표현하여 [IN2]SOR을 통해 관리 하도록 하였으며, 사용자 profile과 preference도 역시 ontology 기반한 semantic metadata 형태로 저장, 사용자 context 기반하여 추론 규칙을 통한 device UI를 재구성 하도록 한다.
결론적으로, Mobile 단말에서 제공된 정보의 관심을 증대시키고 접근을 용이하게 하기 위해 개인화된 UI 환경을 구성하는데 이는 모든 사용자에게 획일화된 UI를 제공하는 것이 아니라, 각 사용자 별도 Customizing 된 UI를 생성하여 제공하며 단말 사용자는 자신이 원하는 Service만 선택하여 개인화된 UI를 구성할 수 있고, UI 상에 제공되는 Contents 역시도 사용자의 선호에 기반하여 추천된 Personalized Contents를 제공 받을 수 있다.
개인 선호와 상황에 따른 Contents 추천의 결과를 사용자 단말에 팝업 형태로 제공하는데 이 역시 표준화된 표현 방식에 따라 Contents를 구성하여 단말기의 상황에 독립적이고 실시간 전송한다.
[System Architecture]
Benefits
통신 사업자는 다양한 이기종 Mobile 단말 환경에 독립적으로 고객의 선호와 상황에 따라 개인화된 Contents를 제공할 수 있게 되었다. 이는 차세대 망에서의 최적의 Contents를 제공할 수 있는 통합 인터페이스 환경을 구성하였다고 볼 수 있으며, 이를 통해 Service의 확장도 용이해졌다.
단말 사용자의 관점에서도 단말기 종류에 상관없이 원하는 Service를 구성하고 선호하는 정보를 편리하고 쉽게 제공받을 수 있도록 하여 서비스의 만족도가 증가될 것이다.
Next Steps
본 프로젝트의 1단계 과정에서 개인화된 동적 UI관리 기능과 UI구성 정보 프로토콜에 대한 표준을 개발하였으며, 기능 확장을 위한 Prototype을 개발 완료하였다.
향후, 본 시스템은 동적 UI 생성 기술을 상용화되어 있는 다양한 Mobile Devices에 적용 확대할 예정이다.
Client
KTF (Korea Telecom Freetel)
Why Saltlux?
솔트룩스는 국내 유일하게 유/무선 통신사와 시맨틱 기술에 기반한 프로젝트 경험과 다양한 솔루션을 보유하고 있다.
Background
사용자가 이용하는 단말기의 종류에 상관없이 고객에게 Customizing 된 일관된 Service와 Contents를 제공할 수 있는 기술환경 구축과 이를 통하여, 고객의 편의성 증대와 서비스 만족도 향상이 필요하게 되었다.
Challenge
입력방식, 출력화면 등 다양한 단말기 속성값에 의해 제한적인 Service와 Contents 접근의 불편함을 국제표준 기술에 기반한 표현방식을 적용하는 것이다.
Solution
Mobile device의 profile과 사용자 profile, preference를 semantic metadata 형태로 [IN2]SOR에 저장 관리하고, 추론을 통해 사용자 맞춤형 UI auto-configuration을 수행한다. 이를 통해서 다양한 형태의 mobile device에 사용자 맞춤형 content delivery 및 service recommandation이 가능하게 되었다.
Benefits
사용 단말기 종류와 상관없이 사용자가 원하는 Service와 Contents를 편리하게 제공받을 수 있게 되어 서비스 만족도가 증가 되었다.
또한 통신 사업자는 차세대 이동 통신망에서 통합 제공되는 인터페이스 환경을 구성함으로 서비스 확장이 가능하게 되었다.
Next Steps
동적 UI 생성 기술이 상용화되어 있는 다양한 단말기를 대상으로 확대 적용할 예정이다.
Middleware platform for Context-aware Services
Background
지능형 Service Middleware 기반의 Smart Home 즉, Home Automation System은 첨단 미래의 도시로 나아가기 위한 필수 단계로서 오래 전부터 커다란 관심과 더불어 그 실현 가능성에 대한 논란이 지속되었다.
Ubiquitous 기술은 기존의 단순한 형태의 장치들이 연결된 물리적 공간을 보다 지능적 컴퓨팅 환경으로 변화하는데 핵심적인 역할을 담당하고 있다. 지능적 환경을 구현하기 위에서는 각 System과 Service에 다양한 디바이스, 이동 사용자 및 빠르게 변화하는 context를 지원하는 기능이 요구되고 있다.
지능형 Service Middleware는 단순한 형태의 초고속 인터넷 기반 공유, 주변 장치 공유의 개념을 벗어나서 홈 Network 기술, 정보 가전 기술, 소프트웨어 플랫폼, Solution 및 Contents 등 다양한 IT 분야의 기술들이 통합되는 새로운 개념의 차세대 Service 환경을 위한 Context Awareness 모듈 개발을 용이하게 한다.
또한 디지털 홈, 지능형 Robot, Telematics Service가 통합되어 제공되는 Ubiquitous Society 구현을 위해, 다양한 적응적 알고리즘을 활용하여 변화하는 Context에 맞는 최적의 Service 환경 구축을 가능하게 한다.
Challenge
Context Awareness Service는 사용자의 특성과 환경 상황 정보(Environmental Context Information)를 인식하여 사용자의 행동에 능동적으로 반응하고, 개개인에 알맞은 맞춤형 Service를 고객에게 제공할 수 있어야 한다.
사용자 중심의 지능형 Service를 제공하기 위해서는 Context Information에 대한 semantic ambiguity을 해결하고, 유효한 서비스를 찾아 context에 맞게 dynamic reconfiguration할 수 있는 Context Awareness Service Middleware의 개발이 필요하다.
이러한 middleware의 개발을 위해서는 sensor network을 통해 유입된 heterogeneous한 context information의 interoperability 문제를 해결하여야 한다.
또한, 실시간 서비스를 위해 대용량 context information의 저장, 관리 기술과 service discovery 및 adaptation 기능이 요구된다.
Solution
Saltlux는 Context-aware Services를 효과적으로 구현하기 위하여 방대한 context information을 수집, 변환, 저장하고 공유, 관리할 수 있는 service middleware인 [IN2]S-Cube를 개발하였다.
개발된 middleware는 사용자의 관심과 context에 맞추어 능동적으로 수집, 가공된 informational context와 다양한 물리적 센서들로부터 발생된 physical/environmental context를 semantic metadata로 변환 관리한다. Context metadata를 표현, 관리, 추론하기 위해 OWL DL 기반의 ubiquitous ontology를 개발하였으며, user context에 적합한 서비스를 찾고, adaptation 시키기 위해 f-logic 기반의 reasoning engine인 Ontobroker를 SOR과 연동하여 사용하였다.
다양한 유비쿼터스 환경과 이기종 device 지원을 위해서 본 프로젝트에서는 OSGi framework 표준을 수용하였다. 또한 다양한 device에서의 맞춤형 서비스 구현을 위해 W3C의 EMMA 표준을 수용함으로 UI에서의multi-modality를 구현하였다.
[System Architecture]
Benefits
지능형 Service Middleware는 home network service 분야 또는 Telematics 분야, 지능형 로봇 분야 등에서 활용 가능하다.
개발된 미들웨어를 사용함으로 home network 분야에서는 가정의 각 개인별 취향과 관심 상황(Context)에 따라 적절한 정보를 다양한 입출력 방법으로 제공받을 수 있다. 또한, Telematics 분야에서는 차량을 타고 움직이는 도중, 음성을 통해 자신이 관심 있는 지식 정보, 교통 정보, 일정 정보, 웹 메일 등을 요청하거나 브리핑 받을 수 있다.
개발된 context-aware service middleware는 실제 지능형 서비스 개발의 비용을 낮추고, 개발 기간을 30%이상 단축하는 효과를 보였다.
Next Steps
개발된 Service Middleware 기술은 home network, Telematics 분야 뿐만 아니라 지능형 로봇 및 IPTV 분야, Real-time Enterprise 환경과 u-city, Wibro 기반의 차세대 인터넷 서비스 부문에서 활용될 예정이다.
Client
KT (Korea Telecom)
Why Saltlux?
Context representation과 repository 개발 경험이 풍부하며, ontology와 reasoning technology를 보유하고 있다.
Background
Context-aware service는 ubiquitous computing 환경에서 기대되는 미래형 서비스 모델이다. 이러한 서비스 개발의 비용 효과성과 시장 적합성 향상을 위해서는 공통 middleware 개발이 필수적이다.
Challenge
대용량 context information의 semantic ambiguity 해소와 interoperability 확보, dynamic service reconfiguration과 service adaptation 기술 개발이 필요하다.
Solution
Saltlux의 [IN2]S-Cube는 ubiquitous ontology 기반의 semantic context metadata를 통합, 관리하여 이질적 시스템 간의 interoperability를 제공하며, [IN2]SOR과 연동되어 context-aware, service adaptation 기능을 수행한다. S-Cube는 OSGi와 EMMA 표준을 수용한다.
Benefits
다양한 ubiquitous 환경에서의 intelligent service 개발을 위한 비용을 크게 낮추고, 개발 기발을 30% 이상 단축하는 효과를 보였다.
Next Steps
개발된 middleware는 다양한 서비스 환경에 적용될 것이며, 특히 지능형 IPTV, u-city 등의 차세대 서비스의 infrastructure로 활용될 것이다.
Intelligent Car Navigation for Ubiquitous City
Background
지난 몇 년 동안 세계적으로 새로운 형태의 지능형 real-time city 구축에 대한 많은 프로젝트들이 진행되어 왔다. 한국에서는 ubiquitous city라는 이름으로 많은 상용 프로젝트들이 진행되고 있다.
‘u-City’는 Ubiquitous 컴퓨팅 환경이 구축되어 사물이 지능화, network화 됨으로써 도로, 차량, 교량, 건물, 집 등 물리적 공간에 존재하는 모든 사물과 전자 공간에 존재하는 휴대폰, PDA, DMB 수신기 차량 단말기 등 모든 정보화 기기를 상호 연계 시킴으로써 새로운 제 3의 도시 공간을 창출해 내는 것을 궁극적인 목표로 하고 있다.
언제(Anytime), 어디서(Anywhere), 어떠한 정보(Anyinformation)라도, 임의의 단말기(Anydevice)를 통해 물리적인 제약 없이 seamless한 서비스 구현이 가능한 도시 인프라 구축이 현재 활발히 진행되고 있다.
Challenge
Intelligent Transportation System(ITS)은 첨단 기술을 활용하여 기존의 교통 체계를 좀 더 효율적으로 활용하고, 새로운 교통 Service를 제공함으로 도시 생활자의 만족도 향상을 목표로 한다.
U-city 환경에서 ITS는 매우 중요한 역할을 한다. 원활한 교통 통제는 도시 전체의 효율성을 증진시키고, 도시 총 운영 비용을 절감시키기 때문이다. 원활한 교통 서비스는 도시 거주자의 만족도에 큰 영향을 주는 요소이다.
ITS는 전 도시의 도로에 설치된 수 많은 sensor로부터 수집되는 교통 정보들을 실시간 분석해야 하고, 교통 사고 등의 특정 event에 즉각 대응할 수 있어야 한다. 이를 위해서는 traffic context의 실시간 수집과 통합 관리, 필터링 기술 개발이 필요하다.
최근 급격히 보편화된 car navigation system은 종종 도심 지역에서 큰 효과를 발휘하지 못한다. 특히, 예측되지 않는 교통 체증은 자동차 사용자의 불만을 크게 증가시킨다. 차량 운전자의 만족도 향상과 도심 교통 문제 해소를 위해서 ITS와 연동된 car navigation system의 지능화가 필요하다. Intelligent car navigation system은 교통 상황과 사고 처리, 교통량(traffic) 예측에 기반하여 이동 경로를 스스로 변경, 추천하고 이를 계속 추적하는 기능을 필요로 한다.
Solution
본 프로젝트에서는 [IN2]SOR을 사용해 교통 정보를 semantic metadata로 저장 관리하고 ontology reasoning을 통해 traffic context awareness 기능을 구현하였다.
솔트룩스는 ITS 개발을 위해 차량, 도로, 교통과 관련된 모든 개념 관계를 ontology로 표현하고, f-logic에 기반한 다양한 rule을 개발하였다.
실제 ITS와 연결된 지능형 교통 서비스로, intelligent car navigation pilot system을 개발하고, 다양한 교통 환경에서 매우 효과적인 navigation service가 가능함을 증명하였다.
개발된 navigation system은 출발지와 목적지 사이의 이동 경로를 다양한 형태의 실시간 교통 상황에 따라 동적으로 재구성하고 운전자에게 추천하게 되는데, 온톨로지 기반의 추론을 통해 교통 흐름과 사고 처리에 대해 예측하고, 적절한 우회 경로를 제시한다.
개발 과정 중에 발견된 가장 큰 기술적 문제는 scalability와 reasoning performance였고, 최근 개선된 system은 1일 수억 triple에 대한 5초 내의 실시간 처리가 가능한 수준으로 발전하였다.
[System Architecture]
Benefits
Intelligent Transportation System은 다양한 교통 센서와 차량 센서 등을 이용하여 안전 운전에 도움을 주는 등 교통 전반에 걸쳐 탁월한 지능형 서비스를 제공함으로써 사용자의 편의성을 도모한다. 최근 급격히 증가되는 다양한 형태의 u-city 사업에서의 차별화된 서비스 요소로 발전할 것으로 기대된다.
Next Steps
지능형 교통 시스템’은 상황 인식 엔진이나 룰 엔진을 이용하여 다양한 Vertical Market Solution들이 제공하는 정보들을 융합하여 새로운 가치를 창출하는 역할을 수행할 것이다. 특히, Ubiquitous City의 통합 관제 센터와의 연계가 추진되고 있으며, ITS 표준 플랫폼 형태로 발전시키기 위한 계획이 진행 중이다
Client
System Integrators for u-city projects
Why Saltlux?
Semantic technology 기반의 context-aware service system 개발 경험과 제품을 보유하고 있으며, u-city 사업 참여 경력을 가지고 있다.
Background
도시 내의 물리공간과 전자공간을 통합함으로 제 3의 도시 공간을 만들겠다는 u-city vision 실현을 위해서 ITS와 같은 혁신적 인프라스트럭처 구축이 선행되어야 한다.
Challenge
미래형 ITS는 대량의 교통 sensor 정보를 실시간 수집, 저장, 관리할 수 있어야 하며, 다양한 상황에 자동적 대응이 가능해야 한다. 특히 intelligent car navigation과 같은 실용적 서비스 모델의 확보와 상용화를 위한 검증이 필요하다.
Solution
ITS를 위한 모든 knowledge information을 담고 있는 ontology를 구축하였다. 또한, [IN2]SOR을 사용해 교통 정보를 semantic metadata로 변환, 저장 관리하고, 이에 기반한 intelligent car navigation service system을 개발, 시험 하였다.
Benefits
ITS는 교통 전반에 걸쳐 탁월한 고객 지향 지능형 서비스를 제공함으로써 사용자 편의성과 교통 안전을 도모한다.
Next Steps
한국에서 진행되는 다양한 u-city 사업에서 표준 플랫폼으로 활용할 수 있도록 발전시킬 것이다.
Product Introduction
SOR (Semantic Object Roaster ????) Framework
[IN2]SOR is integrated framework for semantic metadata management based on Ontology and reasoning technologies.
{Characteristics}
- Mass & real time semantic metadata storage, management tool and distributed framework for query & reasoning
- Automatic data collection and filtering from distributed USN, DB by policy
- Context awareness by connecting heterogeneous context information and integration support with reasoning
- Powerful and intelligent rule system
- OWL DL and F-logic-based reasoning engine integration
- Various reasoning, repository and search system connection by driver method
- Powerful Instantiation for distributed data by SEMANO connection
[[IN2]SOR Intelligent System Framework] 
[Mass/Distributed Processing Environment: Over Tens of Billions triples Storing, Querying]
[Practical Applications with [IN2]SOR]
COMET (Common Ontology Modeling EnvironmenT)
COMET is to provide an integration infrastructure for existing Semantic repositories, reasoners, and end-client Ontology management tools.
COMET는 전 세계에 존재하는 모든 Ontology를 저장하고 활용할 수 있는 기반을 제공
- 웹, 어플리케이션, 다양한 툴에서 수집, 생성된 Ontology를 저장
- 사용자에 의해 수집된 Ontology는 언제 어디서나 다운로드 받거나 편집 수정 가능
- 수집된 방대한 Ontology를 쉽게 검색하고 관리
- Ontology에 대한 쿼리 및 리즈닝을 수행
COMET는 외부의 어플리케이션과 툴에서 COMET의 자원을 활용할 수 있는 강력한 기능을 제공
- 외부 어플리케이션과 툴에서는 COMET API나 플러그인을 통해 저장된 Ontology를 활용 가능
- 저작툴(Protégé, Topbraid composer, OntoStudio 등)에서 COMET을 플러그인 가능
- 어플리케이션에서는 운용중인 대용량 Ontology 및 instance를 백업 가능
- 어플리케이션에서는 COMET의 대용량 저장소에 저장된 Ontology를 쉽게 검색하고 활용할 수 있다.
- 웹을 통해서 COMET에 저장된 Ontology를 쿼리, 내비게이션, 다운로드 가능
COMET adopts a Client-Server Architecture:
- COMET Server : The server acts as a storage mechanism for Semantic data and provides reasoning capabilities, together with a multi-user access control mechanism. The server expose its functionalities through a set of programmatic APIs
- COMET Clients : The Client exposes the functionality of the server through a graphical user interface(GUI) to the end-users; the client shall be customizable to integrate with different existing end-user Ontology management GUI tools.
[Features]
COMET Server is
- to manage Ontology schema and support APIs
- supporting DIG interface such as Pallet, KAON2,RacerPro, OntoBroker etc
- supporting Log Module based on statistics
- supporting Ontology version management API
COMET Clients is
- Plug-in and based on Swing, Eclipse Tech.
- supporting Ontology library visualization using tree hierarchical structure and personalized categories.
- supporting Reporting and Statistics
OPTIMA
(Ontology Population Tool based on Information extraction and MAtching)
1. Introduction
- It takes time and effort to extract manually named entities, attributes and entity relations from web/text documents.
- There is a need to semi-automatically distinguish and extract named entities, attributes and entity relations from a large number of documents.
- There is a need to semi-automatically annotate extracted named entities by matching the Ontology.
- We need client/server system storage and management of populated instances for the collaborative works.
2. System overview
- Multiple clients extract metadata and match the Ontology; one server stores and manages instances.
- Information extracting part distinguishes named entities in a hybrid way, extracts entity relations, edits named entities.
- Ontology matching part populates instances with matching extracted information in the Ontology.
- Instance management part adds, removes, and edits instances and attributes.
4. Functions
Information Extraction
- Extracts named entities and inter-relations of named entities from
structured/unstructured documents.
- Hybrid extraction based on a machine learning and statistical/rule-based information extraction.
- Ensures integrity of named entities by manual editing with comparison to
the original document.
- Coreference that a demonstrative pronoun indicates a named entity.
Ontology Matching
- With domain Ontology loading, matches named entities and inter-relations.
- Instance population by selecting a candidate class.
- Stores triple type instances to the triple store.
Instance Management
- Lists accessible Ontology
- Represents an Ontology class hierarchy and class attribute items
- Lists an instance and attribute, values of a class
- Instance addition, removal; instance attribute addition, removal, editing