바로가기메뉴

본문 바로가기 주메뉴 바로가기

logo

  • P-ISSN1013-0799
  • E-ISSN2586-2073

검색 성능 향상을 위한 약품 온톨로지 기반 연관 피드백

Relevance Feedback based on Medicine Ontology for Retrieval Performance Improvement

정보관리학회지, (P)1013-0799; (E)2586-2073
2005, v.22 no.2, pp.41-56
https://doi.org/10.3743/KOSIM.2005.22.2.041
임수연 (경북대학교)

  • 다운로드 수
  • 조회수

초록

기계가 정보의 의미를 이해하고 처리할 수 있도록 기존의 웹을 확장하는 것을 목적으로 하는 시멘틱 웹은 온톨로지를 이용하여 지식을 공유하게 된다. 본 논문에서는 정교한 질의의 처리를 위하여 온톨로지 내에 존재하는 의미 관계들을 질의의 확장을 위한 연관피드백 정보로 이용하는 방안을 제안한다. 실험은 도메인 온톨로지인 Medicine 온톨로지를 대상으로 하였으며, 출현 용어들의 빈도정보만을 이용한 키워드기반 문서검색과 제안한 온톨로지기반 문서검색의 성능을 비교하였다. 이 때, 두 시스템의 정확률과 재현율을 성능 평가의 기준으로 삼았다. 그 결과, 검색 엔진은 온톨로지에 정의된 개념들과 규칙들을 활용하면서 검색의 정확률을 향상시키는데 도움이 되었고 검색 성능을 향상시키기 위한 추론의 기반으로도 사용될 수 있었다.

Abstract

For the purpose of extending the Web that is able to understand and process information by machine, Semantic Web shared knowledge in the ontology form. For exquisite query processing, this paper proposes a method to use semantic relations in the ontology as relevance feedback information to query expansion. We made experiment on pharmacy domain. And in order to verify the effectiveness of the semantic relation in the ontology, we compared a keyword based document retrieval system that gives weights by using the frequency information compared with an ontology based document retrieval system that uses relevant information existed in the ontology to a relevant feedback. From the evaluation of the retrieval performance, we knew that search engine used the concepts and relations in ontology for improving precision effectively. Also it used them for the basis of the inference for improvement the retrieval performance.

참고문헌

1

강승식.. (1998). 형태소 해석기 HAM. , -.

2

강신재. (2002). 실용적인 온톨로지의 반자동 구축 및 어휘 의미 중의성 해소를 위한 응용. , -.

3

김홍기. (2002). 월드와이드 웹에서 시멘틱 웹으로. (4), 242-301.

4

문유진.. (1996). 한국어 명사를 위한 WordNet의 설계와 구현. , 437-445.

5

박정오. (2000). 전문용어 추출시스템. , 381-383.

6

신효식. (2002). 텍스트로부터 용어 정의문 자동 추출방법. , 292-299.

7

오종훈. (2002). 분야간 유사도와 통계기법을 이용한 전문용어의 자동 추출. 정보과학회논문지 : 소프트웨어 및 응용, 29(4), 258-269.

8

옥철영.. (2004). 한국어 정보처리와 온톨로지 2004 한국어 정보처리 연구회 동계 튜토리얼 자료집. , 81-123.

9

이재호.. (2003). 시멘틱 웹의 온톨로지 언어. , -.

10

정도헌.. (2003). 시멘틱 웹을 위한 온톨로지 언어와 구현사례 연구. , 87-109.

11

최기선.. (2001). KAIST 대용량 코퍼스. [. , -.

12

Guarino,N.. (1998). Proceedings of FOIS'98. , 3-15.

13

Kang. (2001). “Semi- Automatic Practical Ontology Construction by Using a Thesaurus ACL 2001 Workshop on Human Language Technology and Knowledge Manage- ment. , 45-52.

14

and Muresan. (2000). Rule-based Methods for the Extraction of Medical Terminology and their Associated Definitions from On-line Text Proceedings of AMIA Symposium. , 201-202.

15

Lee. (1995180-188). “Combining Multiple Evidence from Different Properties of Weighting Schemes ACM SIGIR Conference on Research and Development in Infor- mation Retrieval. , -.

16

(1995). A Large-Scale Inve- stment in Knowledge Infrastructure” Communications of the ACM. , 33-38.

17

Lim. (2003). “Hub-word based on Ontology Construction for Document Retrieval” Proceedings of IC-AI’03. , 549-552.

18

Maedche. (2002). Ontology Learning for the Semantic Web. , -.

19

Velardi. (2003). “Text Mining Techniques to Automa- tically Enrich a Domain Ontology”. , 322-340.

20

Salton. (1983). Introduction to Modern Information Retrieval. , -.

21

Volz. (2003). “Pruning-based Identification of Domain Ontologies” Journal of Uni- versal Computer Science. , 520-529.

22

Vossen. ([cited2004). trimming and fusing WordNet for technical documents” Proceedings of NAACL-2001 Workshop on WordNet and Other Lexical Re- sources. , 208-215.

정보관리학회지