SWAT: 분산 인-메모리 시스템 기반 SWRL과 ATMS의 효율적 결합 연구

전명중,이완곤,바트셀렘 작바랄,박현규,박영택 한국정보과학회 2018 정보과학회논문지 Vol.45 No.2

Recently, with the advent of the Big Data era, we have gained the capability of acquiring vast amounts of knowledge from various fields. The collected knowledge is expressed by well-formed formula and in particular, OWL, a standard language of ontology, is a typical form of well-formed formula. The symbolic reasoning is actively being studied using large amounts of ontology data for extracting intrinsic information. However, most studies of this reasoning support the restricted rule expression based on Description Logic and they have limited applicability to the real world. Moreover, knowledge management for inaccurate information is required, since knowledge inferred from the wrong information will also generate more incorrect information based on the dependencies between the inference rules. Therefore, this paper suggests that the SWAT, knowledge management system should be combined with the SWRL (Semantic Web Rule Language) reasoning based on ATMS (Assumption-based Truth Maintenance System). Moreover, this system was constructed by combining with SWRL reasoning and ATMS for managing large ontology data based on the distributed In-memory framework. Based on this, the ATMS monitoring system allows users to easily detect and correct wrong knowledge. We used the LUBM (Lehigh University Benchmark) dataset for evaluating the suggested method which is managing the knowledge through the retraction of the wrong SWRL inference data on large data. 최근 빅데이터의 시대가 도래하여 다양한 분야로부터 다량의 지식을 얻을 수 있다. 수집된 지식은 정형화된 형태의 지식으로 가공하여 표현되며, 그 중 W3C의 온톨로지 표준 언어인 OWL이 대표적인 정형화 표현 형식이다. 이렇게 표현된 대용량의 온톨로지로부터 내재된 정보를 도출하기 위해 다양한 방법의 심볼릭 추론(Symbolic Reasoning) 연구가 활발하게 진행되고 있다. 그러나 대부분의 추론 연구들은 서술논리(Description Logic)표현 기반의 제한적인 규칙표현을 지원하며 실생활 기반의 서비스를 구축하기에는 많은 제약이 따른다. 또한 잘못된 지식으로부터 도출된 결과는 규칙들 사이의 종속관계에 따라 연쇄적으로 잘못된 지식이 생산될 수 있기 때문에 이러한 잘못된 지식에 대한 처리를 위한 지식관리가 필요하다. 따라서 본 논문에서는 해당 문제를 해결하기 위해 SWRL(Semantic Web Rule Language) 기반의 추론과 ATMS(Assumption-based Truth Maintenance System)간의 결합을 통해 새롭게 도출된 지식에 대한 관리를 할 수 있는 SWAT(SWRL + ATMS) 시스템을 제안한다. 또한 이 시스템은 대용량 데이터를 처리하기 위해 분산 인-메모리 프레임워크 기반의 SWRL추론과 ATMS를 병합 구축하였으며 이를 바탕으로 웹 형태의 ATMS 모니터링 시스템을 통하여 사용자가 손쉽게 잘못된 지식을 검색 및 수정할 수 있도록 한다. 본 논문에서 제안하는 방법에 대한 평가를 위해 LUBM(Lehigh University Benchmark)데이터 셋을 사용하였으며, 대용량 데이터에 대한 SWRL 추론과 잘못 추론된 정보에 대한 삭제를 통해 효율적인 추론과 관리가 가능한 결합 방법임을 증명한다.

SparQLing : SparkSQL 기반 대용량 트리플 데이터를 위한 SPARQL 질의 시스템 구축

전명중(MyungJoong Jeon),홍진영(JinYoung Hong),박영택(YoungTack Park) 한국정보과학회 2016 정보과학회논문지 Vol.43 No.4

매년 RDFS 데이터는 대용량화 되어 가며, 빠른 질의를 위한 SPARQL 처리방식에 대한 변화가 필요하게 되었다. 이를 위해 대용량 분산 처리 프레임워크를 활용한 SPARQL의 질의 처리방식이 많이 연구되고 있다. 기존의 연구 중 대용량 분산 처리 프레임워크인 Hadoop(MapReduce) 기반 질의 엔진은 반복적인 작업으로 인한 잦은 I/O 발생으로 실시간 질의 처리가 불가능하며, 인메모리 기반 분산 질의 엔진 역시 낮은 단계의 언어 수준에서 분산 구조를 고려한 구현이 필요하기 때문에 질의 엔진 구축이 어렵다. 본 논문에서는 인메모리 기반 분산 질의 처리 프레임워크인 SparkSQL을 활용하여 대용량 트리플 데이터에 대한 SPARQL 질의문 처리 속도를 향상시킬 수 있는 질의 처리 엔진 구축 방법을 제안한다. SparkSQL 은 Spark 기반의 고수준 분산 질의 엔진으로서 기존의 SQL문을 활용한 질의가 가능하다. 따라서 SPARQL 질의문을 처리하기 위해서는 Jena를 이용하여 Algebra Tree를 생성한 후 이를 Spark 시스템에 적용하기 위한 Spark Algebra Tree로 변환해야 한다. 그리고 이를 이용하여 SparkSQL 질의문을 생성하는 시스템을 구축하였다. 또한 Spark 인메모리 시스템에서 보다 효율적인 질의 처리를 위한 DataFrame기반의 트리플 Property 테이블 설계를 제안하고 SparkSQL 프레임워크에 활용하였다. 마지막으로 기존의 분산처리 프레임워크를 사용한 질의 엔진과 비교 평가를 통하여 연구의 타당성을 검증한다. Every year, RDFS data tends further toward scalability; hence, the manner of SPARQL processing needs to be changed for fast query. The query processing method of SPARQL has been studied using a scalable distributed processing framework. Current studies indicate that the query engine based on the scalable distributed processing framework i.e., Hadoop(MapReduce) is not suitable for real-time processing because of the repetitive tasks; in addition, it is difficult to construct a query engine based on an In-memory Distributed Query engine, because distributed structure on the low-level is required to be considered. In this paper, we proposed a method to construct a query engine for improving the speed of the query process with the mass triple data. The query engine processes the query of SPARQL using the SparkSQL, which is an In-memory based, distributed query processing framework. SparkSQL is a high-level distributed query engine that facilitates existing SQL statement. In order to process the SPARQL query, after generating the Algebra Tree using Jena, the Algebra Tree is required to be translated to Spark Algebra Tree for application in the Spark system, and construction of the system that generated the SparkSQL query. Furthermore, we proposed the design of triple property table based on DataFrame for more efficient query processing in the Spark system. Finally, we verified the validity through comparative evaluation with the query engine, which is the existing distributed processing framework.

대용량 데이터 기반 SPARQL 질의결과에 대한 통합 설명 시스템

전명중(MyungJoong Jeon),박현규(HyunKyu Park),박영택(YoungTack Park) 한국정보과학회 2018 정보과학회논문지 Vol.45 No.10

최근 다양한 QA시스템 및 전문가 시스템에서 질의 결과에 대한 설명을 필요로 하는 요구가 증대되고 있다. 하지만 현재 연구되는 시스템에서는 대용량 기반의 질의 처리에만 중점을 두고 있다. 따라서 본 논문에서는 대용량 데이터 기반 질의 결과에 대한 인과 관계를 설명할 수 있는 통합 시스템을 제안한다. 본 시스템은 대용량의 지식에 대한 추론을 위해 분산 규칙 기반 SWRL엔진을 사용한다. 그리고 그 추론 근거를 인과 관계에 대한 구조로 표현할 수 있는 분산 가정기반 진리 관리 시스템(Distributed ATMS)의 입력으로 사용한다. 마지막으로 대용량 데이터 기반의 SPARQL 처리기인 SPARQLGX를 사용하여 질의 해답을 구하고 그 해답에 대한 인과 관계를 앞서 구축된 의존 구조를 참조하여 설명한다. 제안한 통합 설명 시스템에 대한 평가는 벤치마크 데이터인 LUBM(Lehigh University Benchmark)을 사용했으며, LUBM에서 제공한 14개의 테스트 질의문을 사용하여 질의 응답 시간 및 설명 시간에 대한 성능 평가를 하였다. Recently, there has been an increasing demand for an explanation of query results in a variety of QA systems and expert systems. However, the systems being studied today only focus on the scalable query processing. Therefore, this paper proposes an integrated system that explains the causal relationship to the query results based on large volumes of retrievable data. The system uses a distributed rule-based SWRL engine for reasoning about large amounts of knowledge. And in this case uses evidence of reasoning as input for a distributed ATMS to express the structure of the causal relationship. Finally, after obtaining the answers using SPARQLGX, and a scalable SPARQL query processor, this system explains the evidence of answers using a reference to the previously established dependency structure. The evaluation of the proposed explanation system used the benchmark data(Lehigh University Benchmark) and used 14 test queries provided by the LUBM for evaluating the response time and explanation time in this case.

모바일 가속도 데이터를 사용한 SVM 기반의 사용자 행위 인지

전명중(Myung-Joong Jeon),바트셀램(Batselem Jagvaral),박영택(Young-Tack Park) 한국정보과학회 2012 한국정보과학회 학술발표논문집 Vol.39 No.2B

온톨로지와 CNN 기반의 무인기와 주변 개체 간 위협 관계 추론

전명중(MyungJoong Jeon),이민호(MinHo Lee),박현규(HyunKyu Park),박영택(YoungTack Park),윤형식(Hyung-Sik Yoon),김윤근(Yun-Geun Kim) 한국정보과학회 2020 정보과학회논문지 Vol.47 No.4

무인기 스스로 주변 개체와의 관계를 파악하고 상황을 인지하는 기술은 다양한 분야에서 필요로 하는 기술이다. 이를 위해 다양한 방법이 연구되고 있다. 대부분의 연구는 관련 도메인의 지식을 온톨로지로 구축하고 이를 기반으로 지식 추론하는 방식으로 해결하고 있다. 하지만 이러한 방식은 관련 도메인 지식을 가진 전문가의 의존성 때문에 전문가의 부재 시, 새로운 상황에 대해 대처할 지식을 구축하기가 어렵다. 또한 전문가가 고려하지 못한 상황을 추론하기 위한 지식을 구축하기가 어렵다. 그래서 본 연구에서는 이와 같은 문제를 해결하기 위해 온톨로지와 CNN을 이용하여 무인기와 주변 개체 간의 관계를 추론하기 위한 모델을 구축하는 방식을 제안한다. 온톨로지 추론의 정확도는 부족하다는 가정에서 감지된 주변 개체들의 정보를 활용하여 온톨로지 추론을 먼저 수행한다. 그리고 온톨로지 추론 결과는 CNN을 사용하여 보정한다. 실제 데이터 확보의 한계로 인해 데이터 생성기를 구축하여 실 데이터와 유사한 데이터를 생성하였다. 본 연구의 평가를 위해 2가지 개체 간 관계에 대한 모델을 구축하여 평가하였으며 두 관계 모델 모두 90% 이상의 정확도를 보였다. The technology that identifies the relationship between surrounding objects and recognizes the situation is considered as an important and necessary technology in various areas. Numerous methodologies are being studied for this purpose. Most of the studies have solved the problem by building the domain knowledge into ontology for reasoning of situation awareness. However, based on the existing approach; it is difficult to deal with new situations in the absence of domain experts due to the dependency of experts on relevant domain knowledge. In addition, it is difficult to build the knowledge to infer situations that experts have not considered. Therefore, this study proposes a model for using ontology and CNN for reasoning of the relationships between UAVs and surrounding objects to solve the existing problems. Based on the assumption that the accuracy of ontology reasoning is insufficient, first, the reasoning was performed using the information from the detected surrounding objects. Later, the results of ontology reasoning are revised by CNN inference. Due to the limitations of actual data acquisition, data generator was built to generate data similar to real data. For evaluation of this study, two models of relationships between two objects were built and evaluated; both the models showed over 90% accuracy.

인메모리 기반 병렬 컴퓨팅 그래프 구조를 이용한 대용량 RDFS 추론

전명중(MyungJoong Jeon),소치승(ChiSeoung So),바트셀렘(Batselem Jagvaral),김강필(KangPil Kim),김진(Jin Kim),홍진영(JinYoung Hong),박영택(YoungTack Park) 한국정보과학회 2015 정보과학회논문지 Vol.42 No.8

근래에 들어 풍부한 지식베이스를 구축하기 위한 대용량 RDFS 추론에 대한 관심이 높아지면서 기존의 단일 머신으로는 대용량 데이터의 추론 성능을 향상시키기에 한계가 있다. 그래서 분산 환경에서 의 RDFS 추론 엔진 개발이 활발히 연구되고 있다. 하지만 기존의 분산 환경 엔진은 실시간 처리가 불가능 하며 구현이 어렵고 반복 작업에 취약하다. 본 논문에서는 이러한 문제를 극복하기 위해 병렬 그래프 구조 를 사용한 인-메모리 분산 추론 엔진 구축 방법을 제안한다. 트리플 형태의 온톨로지는 기본적으로 그래프 구조를 가지고 있으므로 그래프 구조 기반의 추론 엔진을 설계하는 것이 직관적이다. 또한 그래프 구조를 활용하는 오퍼레이터를 활용하여 RDFS 추론 규칙을 구현함으로써 기존의 데이터 관점과 달리 그래프 구조의 관점에서 설계할 수 있다. 본 논문에서 제안한 추론 엔진을 평가하기 위해 LUBM1000(1억 3천 3백만 트리플, 17.9GB), LUBM3000(4억 1천 3백만 트리플, 54.3GB)에 대해 추론 속도를 실험을 하였으며 실 험결과, 비-인메모리 분산 추론 엔진보다 약 10배 정도 빠른 추론 성능을 보였다. In recent years, there has been a growing interest in RDFS Inference to build a rich knowledge base. However, it is difficult to improve the inference performance with large data by using a single machine. Therefore, researchers are investigating the development of a RDFS inference engine for a distributed computing environment. However, the existing inference engines cannot process data in real-time, are difficult to implement, and are vulnerable to repetitive tasks. In order to overcome these problems, we propose a method to construct an in-memory distributed inference engine that uses a parallel graph structure. In general, the ontology based on a triple structure possesses a graph structure. Thus, it is intuitive to design a graph structure-based inference engine. Moreover, the RDFS inference rule can be implemented by utilizing the operator of the graph structure, and we can thus design the inference engine according to the graph structure, and not the structure of the data table. In this study, we evaluate the proposed inference engine by using the LUBM1000 and LUBM3000 data to test the speed of the inference. The results of our experiment indicate that the proposed in-memory distributed inference engine achieved a performance of about 10 times faster than an in-storage inference engine.

스마트폰 가속도 센서를 이용한 강건한 사용자 행위 인지 방법

전명중 ( Jeon Myung Joong ),박영택 ( Park Young Tack ) 한국정보처리학회 2013 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.2 No.9

온톨로지 기반 무인기의 자율 위협 상황 인지 시스템

전명중(MyungJoong Jeon),박현규(HyunKyu Park),박영택(YoungTack Park),윤형식(Hyung-Sik Yoon),김윤근(Yun-Geun Kim) 한국정보과학회 2019 정보과학회논문지 Vol.46 No.10

무인기의 자율적인 위협 상황 인지는 다양한 분야에서 필요한 기술이다. 이를 위해 다양한 접근 방식이 제안되었지만 대부분은 개체의 의미 정보를 추론하기 위한 방식이다. 따라서 본 연구에서는 기존 개체의 의미적 정보를 기반으로 개체 간 관계 추론을 통해 무인기의 위협 상황을 인지할 수 있는 방법을 제안한다. 본 연구에서는 크게 3가지 방법을 통해 UAV의 위협 상황을 인지한다. 첫 번째로 LOD기반 그리드 맵을 사용하여 인지된 의미적 개체의 정보를 표현한다. 두 번째로 무인기 주변 개체들에 대한 개념들을 온톨로지로 정의하고 개체 간 관계 및 상황은 SWRL로 정의한다. 세 번째로 온톨로지 추론을 통하여 개체 간 관계 및 무인기의 위협 상황을 인지하고 시뮬레이터 시스템을 구축하여 이를 시각화한다. An autonomous threat situational awareness system is necessary for Unmanned Aerial Vehicles(UAVs) in a variety of fields. Although various of approaches to autonomous threat situational awareness have been proposed, most of them involved reasoning of the semantic information of the object. Therefore, in this paper, based on the existing semantic information of an object, we propose a method to achieve threat situational awareness for a UAV based on reasoning of the relationship between the objects. In this paper, there are three main ways that are used to recognize a threat to a UAV: First, information on the recognized objects is expressed using an LOD(Level of Detail)-based grid map. Second, the concepts of objects around the UAV are defined as ontology while the relationships and situations between objects are defined as SWRL(Semantic Web Rule Language). Third, through the ontology reasoning, the simulator visualizes the recognition of the relationships of objects and threat situations for the UAV.

Decision Tree를 사용한 스마트폰 기반 사용자 행위 인지

전명중(Myung-Joong Jeon),박영택(Young-Tack Park) 한국정보과학회 2013 한국정보과학회 학술발표논문집 Vol.2013 No.6

블랙보드 기반의 관계 추론을 통한 무인항공기 상황 인지

전명중(Myung-Joong Jeon),박현규(Hyun-Kyu Park),박영택(Young-Tack Park),김윤근(YunGeun Kim),윤형식(Hyung-Sik Yoon) 한국항공우주학회 2018 한국항공우주학회 학술발표회 논문집 Vol.2018 No.11