관계형 데이터베이스 시스템 기반의 OWL 온톨로지 저장 및 질의에 관한 연구

Abstract

오늘날 시맨틱 웹 온톨로지 언어로 불려지는 OWL 및 RDF/S는 웹상에 존재하는 동영상, 이미지, 텍스트와 같은 웹자원에 대한 개념과 관계를 기술하는 기술 언어(Description Language)로 널리 사용되고 있으며 이러한 언어들은 XML 호환 속성을 가지는 지식을 기술하는데 있어서 표준을 제공할 수 있기 때문에 다른 분야로 그 영역을 넓히고 있다. 즉, 이러한 언어들을 사용하는 분야는 시맨틱 웹 뿐만 아니라 인텔리전트 홈 네트워크 (Intelligent home network), 자율 휴먼-로봇 (Autonomous human-robot), 텔레메틱스 (Telematics) 분야에서 널리 사용되고 있는 상황이다. 이러한 이유로 인해, 시맨틱 웹 온톨로지 사용의 증대는 온톨로지 데이터베이스의 데이터 볼륨의 크기를 증가시켜 시스템 성능을 감소시키기 때문에 효율적으로 시맨틱 정보를 처리하고 질의하는 것을 필요로 한다. 이러한 관점에서 본 학위 논문은 특히 OWL 언어로 기술된 시맨틱 정보를 효율적으로 저장하고 질의하기 위한 관계형 데이터베이스 시스템 기반의 프레임워크를 제안한다. 첫번째로, 온톨로지 기반의 애플리케이션 사용의 증대를 지원하기 위한 관계형 데이터베이스 시스템 기반의 OWL 저장소를 설계한다. 이러한 설계는 OWL 언어에 의해 기술된 시맨틱 정보를 효율적으로 처리하는데 중요한 부분을 담당한다. 비록 이와 비슷한 시스템들이 개발되어 왔지만 이들은 OWL 시맨틱에서 이행성(Transitive) 및 대응(Equality) 관계와 같은 OWL 추론과 시맨틱 데이터 관리의 관점에서 몇몇 한계를 가지고 있다. 특히, 포워드 체인 (forward-chaining) 및 백워드 체인 (backward-chaining)의 경우에 이행성 추론은 높은 공간 및 시간 복잡도를 가지기 때문에 OWL 시맨틱의 이행성 속성은 추론 성능을 감소시킨다. 이러한 관점에서, 본 학위 논문은 owl:TransitiveProperty, owl:sameAs, rdfs:subClassOf, rdfs:subPropertyOf 등과 같은 높은 공간 및 시간 복잡도를 가지는 프라퍼티들에 대한 추론 성능을 증가시키기 위한 관계형 데이터베이스 시스템 기반의 OWL 인지 관계형 모델 (OWL-aware relational model)을 제안한다. 설계된 저장소는 시맨틱 손실 없이 데이터베이스 시스템의 관계형 모델에서 모든 시맨틱 정보를 그대로 유지하기 때문에 완전성을 보장한다. 두번째로, 본 학위 논문은 시맨틱 웹 온톨로지를 질의하기 위한 SQL 유사 질의 언어인 SPARQL 질의를 효율적으로 처리하기 위한 SQL 생성 알고리즘을 제안한다. 제안된 기법은 체계적으로 입력 SPARQL 질의를 동등한 SQL 질의로 변환한다. 또한, 본 학위 논문은 SPARQL 질의를 최적화하기 위한 최소화 기법을 제안한다. 제안된 최소화 기법은 동등한 SQL 질의로 변환하는 과정에서 생성된 불필요한 SQL 질의들을 사전에 제거하기 위한 로컬 및 글로벌 최소화 룰들을 가진다. 상기 목적을 달성하기 위해, 본 학위 논문은 먼저 입력 SPARQL 질의에서 사용된 자원의 사용에 대한 시맨틱 검사를 위한 그래프 패턴 관계 대수 (Graph pattern algebra) 및 플랜 그래프 (Plan graph)를 제안한다. 이와 같은 그래프는 로컬 및 글로벌 최소화 룰을 적용하기 위해 사용될 뿐만 아니라 동등한 SQL 질의를 생성하기 위해서도 사용된다. 마지막으로, 본 학위 논문은 실험 결과 및 다수의 증명을 통해서 OWL 인지 관계형 모델 및 SQL 생성 알고리즘을 증명한다. 또한, 제안한 두 기법을 구현한 OWL-OM ( OWL Ontology Manager)을 간단히 소개한다. 제안한 프레임워크는 시맨틱 웹과 온톨리지의 사용을 고려하는 다양한 분야를 지원하며 이것은 방대한 온톨로지 관리 및 SPARQL 질의 처리에 대한 성능을 보장한다.