Home

2009년 미국 정부는 공공데이터 개방 사이트(http://data.gov)를 개설하고 공공정보에 대한 접근을 용이하게 하여 국민의 창의적인 혁신을 지원하고 있다. 2010년 영국도 이와 유사한 플랫폼인 CKAN (http://ckan.org)을 오픈소스로 공개하였다. 디비피디아(http://dbpedia.org)는 위키피디아(http://www.ikipedia.org)로부터 RDF 데이터를 추출하여 웹에서 이들 정보들이 활용 가능하도록 하였고 현재 약 400만개의 개념(things)이 기술되어 있고 영어 외에 119개 언어로 구성된 정보를 제공하고 있다. BBC 방송은 미디어 분야 중 가장 적극적으로 LOD를 직접 활용하고 업무영역까지 확장하여 실제 사용자들에게 BBC가 생산하는 막대한 정보들을 상호 연계⋅공유된 형태로 제공되고 있다. 또한, 음악, 스포츠, 정치, 학습 등 디지털 콘텐츠 영역의 SPARQL(Simple Protocol And Rdf Query Language) 엔드포인트(Endpoint)를 제공하여 링크드 데이터를 효율적으로 이용할 수 있도록 하였다. 연이어 뉴욕타임즈가 링크드 데이터 프로젝트를 수행하였고, 미의회도서관이 LCSH (Library of Congress Subject Headings) 링크드 데이터를 구축하였으며, 미국의 전자제품 소매회사인 베스트바이가 Good- Relations 온톨로지를 이용해 제품정보를 링크드 데이터 형식으로 발행하였다. 최근 들어 도서관 영역에서 링크드 데이터를 적용하는 사례가 늘고 있는데, 특히 국립중앙도서관들이 앞장서고 있으며 대표적으로는 미국, 스웨덴, 항가리, 독일, 프랑스, 영국 등이 있다.

우리나라도 최근 분야별로 LOD 구축사업을 추진하고 있으나 아직까지는 대부분 사업의 초기단계이고 그 효과를 검증하기 위한 시범사업 수준에 머무르고 있다. 한국과학기술정보연구원(KISTI)은 논문, 특허, 보고서, 동향정보 등을 서비스하고 있는 NDSL 데이터를 일부 RDF 트리플로 변환하여 링크드 데이터 서비스를 제공하고 있으며, 최근에는 서울시의 열린데이터광장(http://data.seoul.go.kr)이나 한국정보화진흥원(NIA)의 국가 공유자원 포털(http://data.go.kr)을 통해 각 부처의 다양한 데이터를 통합 구축하여 제공하고 있다. 또한 NIA는 링크드 오픈 데이터 시범 사업인 공공DB피디아(http://lod.data.go.kr)를 통해 공공데이터를 대상으로 링크드 데이터를 시범적으로 구축하고 있다. 그러나 국내의 경우 링크드 데이터는 아직 시작 단계로써 구축분야 및 연결이 잘 맞지 않아 기술 저변확대가 절실히 필요한 상황이다. 2015년 세계 각국의 공공데이터 개방 현황을 조사한 WWW 재단의 ODB(Open Data Barometer) 보고서에 따르면 한국은 17위를 차지해 전년보다 5단계 후퇴한 것으로 나타났다. 이는 공공데이터의 양적 개방 확대에도 불구하고 링크드 데이터와 같은 기계 판독형 데이터가 많지 않아 접근성이 떨어지고 공공데이터의 재이용 및 활용도가 낮기 때문이다.

본 연구에서는 1개 영역의 융합 콘텐츠 시범서비스를 선정하고(예, 대구 음식점) 융합 콘텐츠 상위 온톨로지 모델 및 융합 콘텐츠 시범 서비스를 위한 도메인 온톨로지 모델을 설계하였다[4]. 대구 음식점 정보에 대한 클래스와 오브젝트 및 데이터 속성은 그림 2와 같다.

Fig. 2. 
Class, object and data properties

RDF는 어휘를 정의하는 능력이 부족하기 때문에 클래스 간 상하관계를 정의할 수 있는 RDFS(RDF Schema)를 같이 사용한다. 그러나 자원 간의 동일성과 이질성, 집합관계나 제한조건은 RDF나 RDFS로는 표현할 수가 없다. 이에 W3C는 더욱 표현력이 풍부하고 다양한 개념을 표현할 수 있는 OWL을 표준 온톨로지 언어로 제안하고 있다. 복잡한 온톨로지를 구축하기 위해서는 툴 사용이 필수적이며 현재 가장 널리 쓰이는 OWL 저작툴은 Protégé다. 따라서 본 연구에서는 Protégé 오픈소스 온톨로지 저작툴을 사용하여 OWL을 구축하였다. 한편, 온톨로지 학습방법에 의한 온톨로지 자동 구축 기법은 현재 개발 중이다[5].

링크드 데이터를 위한 저장과 색인기법에 대한 연구는 데이터베이스 커뮤니티에서 차세대 연구 분야로 인식되어 지고 있으나 RDF 트리플은 그래프로 모델링되기 때문에 기존의 RDBMS나 웹 기술들이 직접 적용될 수가 없다. 따라서 본 과제에서는 분산되고 변동성이 심한 초대용량 링크드 데이터에 대한 압축된 데이터 저장 및 색인 기법으로써 확장된 다차원 히스토그램 MDH*[6]와 3차원 R*-tree를 이용한 인덱싱 기법[7]을 개발하였다. 그러나 저장 및 색인에 관한 이슈는 본 논문의 범위를 벗어나는 내용이므로 다른 논문에서 자세히 다루기로 하고 여기서는 이에 대한 내용을 생략한다.

아직까지 링크드 데이터 검색은 사용하기 쉬운 시각적인 인터페이스를 지원하고 있지 않다. LOD2 프로젝트(http://okfn.org/projects/lod2)에서는 시맨틱 툴들을 사용하여 비즈니스 데쉬 보드 활용 예를 데모하고 있으며 그래프 차트를 보여주는 브라우저를 시연하고 있다. 본 연구에서는 그림 3과 같이 SPARQL Endpoint를 개발하여 대구시의 행정구별 식당수를 질의하였으며, 그림 4와 같이 행정 구역별로 식당수를 질의하는 내용을 구현하였다. 한편, 모바일 매쉬업 구현 기술로는 링크드 오픈 데이터를 활용한 시맨틱 모바일 매쉬업[8]을 기반으로 안드로이드 운영체제 상에서 구글의 새로운 맵인 GoogleMap API V2를 활용하였고 스마트폰 제약사항을 극복하기 위한 클라우드 컴퓨팅 개념을 접목시켰다(그림 5 참조)[9]. 분석 시스템의 시각화에 관한 내용은 다음 장에서 자세히 다룬다.

Fig. 3. 
Retrieval example of SPARQL endpoint

Fig. 4. 
Map and pie chart

Fig. 5. 
Semantic mobile mashup

우리는 공공데이터 포털(data.go.kr)에서 제공하는 공공데이터를 활용하여 링크드 데이터를 구축한다. 이를 위해 공공데이터의 온톨로지를 먼저 설계한다.

2) 데이터 모델링

음식점 데이터 요소들을 토대로 다음과 같이 온톨로지를 구축한다.

① 클래스 정의 : 수집한 데이터에서 고유한 URI를 가질 수 있는 객체를 클래스로 정의하였다. 한식, 중식, 양식 등의 음식 분류 항목과 업태 또한 고유한 URI를 가질 수 있기에 각각 클래스(i.e., FoodBusinessCategory, BusinessType)로 정의하였다(그림 6 참조).

Fig. 6. 
Class of restaurant

② 속성 정의: 속성은 Object property(클래스간 관계를 나타내는 속성)과 Datatype property(클래스에 대한 특성을 나타내는 속성) 두 가지로 나뉘며, 아래와 같이 정의하였다(그림 7, 8 참조).

• • Object property
• - isBusinessCondition: Restaurant와 FoodBusinessCategory의 관계
• - isTypeOfBusiness: Restaurant와 BusinessType의 관계

• • Datatype property

Fig. 7. 
Object property

Fig. 8 . 
Datatype property

Protégé의 플러그인 중 Excel Sheet 형태의 데이터를 RDF 데이터로 변환해주는 Cellfie 플러그인을 이용하여 링크드 데이터를 발행한다. 이 플러그인은 변환하고자 하는 엑셀 데이터를 사용자가 작성한 RDF 변환 Rule을 바탕으로 자동으로 링크드 데이터를 발행해 준다[10]. 발행한 데이터는 Apache fuseki[11] 서버에 저장한다.

RDF 데이터 분석을 위한 차트 표현을 위해 SPARQL 질의문을 작성한다. 질의를 위해 링크드 데이터가 저장된 트리플 저장소 Endpoint로 접속하여 질의하고 그 결과를 받아온다. Apache jena 프레임워크[11]를 이용하여 질의 결과를 처리하여 HashMap으로 저장하고, 저장된 결과를 JSON으로 변환한 후 결과를 차트로 나타낸다. 우리가 구현한 분석 시스템의 구조는 그림 9와 같다.

Fig 9. 
Architecture of analysis system

그림 10은 Endpoint에서 반환 받은 쿼리 결과를 처리하는 절차를 나타낸 순서도이다. 쿼리 결과값에서 한 문장마다 id값(?s)에 해당하는 value를 찾아서 Datatype이 정의되어 있으면 이를 파싱하여 HashMap에 저장하고, 한 문장이 끝날 때까지 반복한다. 한 문장이 끝난 후 이를 ArrayList에 다시 저장하고 앞서 기술한 절차를 반복하고, 더 이상 처리할 결과가 없을 때 ArrayList를 반환한다.

Fig. 10. 
Data analysis sequence

그림 11은 행정 구역별로 식당수를 질의하여 대구시 지도 모양으로 그 결과를 나타낸 모습이다. 이외에도 그림 12와 같이 음식 분류별 식당수를 파이 차트로 그 결과를 나타낼 수 있다. 또한 좌석수별 수용 가능 좌석수를 세로 차트로 표현할 수도 있다.

Fig. 11. 
MapChart of number of restaurants by administrative district

Fig. 12. 
PieChart of number of restaurant by food category