대규모 범죄 수사기록을 활용한 온톨로지 기반 서비스 구현 - 침입 절도 범죄 분야를 중심으로 - = Implementation of Ontology-based Service by Exploiting Massive Crime Investigation Records: Focusing on Intrusion Theft

국문 초록 (Abstract)

온톨로지는 특정 분야의 특정 지식과 관련된 용어 및 용어 사이의 관계를 정의하는 복합 구조 사전이다. 국내외로 다양한 온톨로지 구축의 시도가 있었으나 대규모의 범죄 수사기록을 온톨로지로 구축하고 이를 통한 서비스를 구현한 사례는 존재하지 않았다. 따라서 본 논문은 비정형 데이터인 범죄 수사기록 문서 중 침입 절도 분야로부터 추출한 정보를 통해 온톨로지를 구축하고, 온톨로지 기반의 검색 서비스와 범행 장소 추천 서비스를 구현하는 과정을 설명한다. 검색 서비스의 성능을 파악하기 위하여 사건 검색에 대한 정확도 측정 방법 중 하나인 Top-K 방식의 정확도 측정을 실험하였고, 실험 집합에 대하여 최대 93.52%의 정확도를 얻었다. 또한, 범행 장소 추천 서비스의 성능을 파악하기 위한 실험 결과, 실험 데이터셋의 전체에 대해 적합한 단서 필드 조합을 얻어냈으며, F1-measure 76.19%의 성능으로 데이터베이스 내의 범행 장소 필드 정보를 교정할 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

An ontology is a complex structure dictionary that defines the relationship between terms and terms related to specific knowledge in a particular field. There have been attempts to construct various ontologies in Korea and abroad, but there has not been a case in which a large scale crime investigation record is constructed as an ontology and a service is implemented through the ontology. Therefore, this paper describes the process of constructing an ontology based on information extracted from instrusion theft field of unstructured data, a crime investigation document, and implementing an ontology-based search service and a crime spot recommendation service. In order to understand the performance of the search service, we have tested Top-K accuracy measurement, which is one of the accuracy measurement methods for event search, and obtained a maximum accuracy of 93.52% for the experimental data set. In addition, we have obtained a suitable clue field combination for the entire experimental data set, and we can calibrate the field location information in the database with the performance of F1-measure 76.19% Respectively.

참고문헌 (Reference)

1 송영길, "위키피디아 기반 개체명 사전반자동 구축 방법" 한국정보과학회 42 (42): 1397-1403, 2015

2 위키백과, "온톨로지"

3 황미녕, "연구 개발 트렌드 분석을 위한 기술 지식 온톨로지 구축" 한국콘텐츠학회 12 (12): 35-45, 2012

4 박준영, "실시간 범죄 예측을 위한 랜덤포레스트 알고리즘 기반의 범죄 유형 분류모델 및 모니터링 인터페이스 디자인 요소 제안" 한국정보과학회 22 (22): 455-460, 2016

5 조대웅, "비정형 문서의 정보추출을 통한 OWL 온톨로지 구축 시스템의 설계 및 구현" 한국컴퓨터정보학회 19 (19): 23-33, 2014

6 정영석, "범죄유형별 범죄발생 예측확률을 높일 수 있는 방법에 관한 연구" 한국컴퓨터정보학회 17 (17): 163-172, 2012

7 방승환, "범죄예측에서의 데이터마이닝 적용 가능성 연구 : 절도범죄를 중심으로" 한국컴퓨터정보학회 19 (19): 309-317, 2014

8 권양섭, "범죄예방과 수사에 있어서 빅데이터 활용과 한계에 관한 연구" 한국법학회 17 (17): 179-198, 2017

9 고건우, "대규모 범죄 수사 기록을 활용한 온톨로지 기반 서비스 구현" 고려대학교 477-481, 2018

10 국립중앙도서관, "국립중앙도서관 국가서지 Linkd Open Data 서비스"

11 "[단독] 52억짜리 AI 수사관 ‘클루'가 ‘살인의 추억' 재발 막는다"

12 Oh, S., "Top-k Hierarchical Classification" 2450-2456, 2017

13 Raimond, Y., "The Music Ontology" 2007

14 박경모, "Protege를 이용한 한의학의 구조화된 증상 입력을 위한 온톨로지 개발" 한의병리학회 17 (17): 1151-1156, 2003

15 Noy, N. F., "Ontology development 101: A guide to creating your first ontology" Stanford Knowledge Systems Laboratory, Stanford Medical Informatics 2001

16 김평, "OntoFrame 기반 학술정보 분석 서비스 - 심사자 추천과 연구성과 분석 -" 한국정보과학회 35 (35): 431-441, 2008

17 Abasolo, J. M., "MELISA: An ontology-based agent for information retrieval in medicine" 73-82, 2000

18 김용훈, "LSA를 이용한 정형·비정형데이터 분석과 범죄 프로파일링 시스템 구현" 한국멀티미디어학회 20 (20): 66-78, 2017

19 Franz INC, "Gruff"

20 Asaro, C., "A domain ontology: Italian crime ontology" 2003

21 한국정보화진흥원 지식자원활용부, "2014 링크드 오픈 데이터 국내 구축 사례집"