메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김제민 (명지대학교) 박영택 (숭실대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.42 No.3
발행연도
2015.3
수록면
307 - 319 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
현재 대용량 온톨로지를 추론하기 위해 하둡 기반의 분산 클러스터 환경을 구축한 후, 맵-리듀스 알고리즘을 기반으로 추론을 수행하는 방식이 활발히 연구되고 있다. 그러나 본 논문에서는 분산 클러스터의 메모리 환경에서 대용량 OWL Horst Lite 온톨로지 추론을 위한 기법을 제안한다. 대용량 온톨로지 추론에 사용되는 규칙 기반 추론 방식은 데이터가 더 이상 추론 되지 않을 때까지 트리플 형식으로 표현된 온톨로지에 추론 규칙을 반복적으로 수행한다. 따라서 컴퓨터 디스크에 적재된 대용량의 온톨로지를 대상으로 추론을 수행하면 추론 시스템의 성능이 상당히 저하된다. 이러한 단점을 극복하기 위해서 본 논문에서는 메모리 기반의 분산 클러스터 프레임워크인 Spark를 기반으로 온톨로지를 메모리에 적재한 후, 추론을 수행하는 기법을 제안한다. Spark에 적합한 OWL Horst Lite 온톨로지 추론 시스템을 구현하기 위해서 대용량 온톨로지를 적절한 크기의 블록으로 분할한 후, 각각의 블록을 분산 클러스터를 구성하는 각 노드의 메모리에 분산 적재하여 작업을 수행하는 방법론을 제안하였다. 제안하는 기법의 효율성을 검증하기 위해, 온톨로지 추론과 검색 속도를 평가하는 공식 데이터인 LUBM을 대상으로 실험하였다. 대표적인 맵-리듀스 기반 온톨로지 추론 엔진인 WebPIE와 비교 실험한 결과, LUBM8000(11억개 트리플, 155GB)에 대해서 WebPIE의 추론 처리량이 19k/초보다 3.2배 개선된 62k/초의 성능 향상이 있었다.
#분산 컴퓨팅 #온톨로지 추론 #하둡 #OWL Horst #Spark #distributed computing #ontology reasoning #hadoop

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 분산 클러스터 메모리 기반 OWL Horst Lite 추론
4. 실험 및 평가
5. 결론 및 향후 연구
References

참고문헌 (13)

참고문헌 신청
J. Urbani / 2009 / RDFS/OWL reasoning using the Map-Reduce framework google schola 바트셀렘 작바랄 / 2014 / 단일머신 환경에서의 논리적 프로그래밍 방식 기반 대용량 RDFS 추론 기법 / 정보과학회논문지 41(10):762~773 google schola 이완곤 / 2014 / 클라우드 컴퓨팅 환경에서의 대용량 RDFS 추론을 위한 분산 테이블 조인 기법 / 정보과학회논문지 41(9):674~685 dbpia B. Motik / 2009 / Hypertableau Reasoning for Description Logics / Journal of Artificial Intelligence Research 36(1):165~228 google schola D. Tsarkov / 2006 / FaCT++ Description Logic Reasoner : System Description / Journal of LNAI 4130:292~297 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝 기반 강화학습 방법론 탐구
박주영 대한전자공학회 학술대회 2016 .04
온톨로지의 추론엔진의 대한 연구
송병후 ,  김상영 ,  송준석 외 2명 한국컴퓨터정보학회 학술발표논문집 2017 .01
딥러닝 기반 비디오 스토리 학습 기술
허민오 ,  김경민 ,  장병탁 한국멀티미디어학회지 2016 .09
딥러닝 기반 감성분석 연구동향
서상현 ,  김준태 한국멀티미디어학회지 2016 .09
빅데이터 시대의 인공지능 바라보기
박기진 ie 매거진 2016 .06

최근 본 자료

전체보기

댓글(0)

0