Skip to content

GitLab

Last edited by Suhyun Yoo
Page history

온톨로지 기초 개념

온톨로지(Ontology)란?

  • **온톨로지(Ontology)**란 인간이 세상에 대해 관찰하고 이해한 바를 논의와 합의를 통해 정의한 개념들을, 컴퓨터가 이해할 수 있는 형식으로 표현한 지식 모델이다.
  • 즉, 특정 **영역(Domain)**에 존재하는 개념, 개념 간의 관계, 그리고 그 관계의 제약조건을 명시적으로 정의한 체계적 기술이다.
  • 온톨로지는 단순한 데이터 목록이 아니라, 지식이 어떤 의미를 가지며 서로 어떻게 연결되는지를 설명하는 **의미론적 구조(semantic structure)**이다.
  • 이러한 구조를 통해 인간과 기계가 지식을 공통된 의미로 공유하고 해석할 수 있도록 하는 것이 온톨로지의 본질적 목적이다.
  • 최근 온톨로지는 시맨틱 웹을 넘어 AI와 데이터 융합 인프라의 핵심 구성요소로 발전하고 있다.
  • 온톨로지는 머신러닝에서 학습 데이터의 의미를 명시적으로 연결하거나, 특정 도메인의 데이터를 수집하고 여러 도메인을 통합하는 데 활용될 수 있다.
  • 지식 그래프 기반 AI 모델링과 디지털 트윈(Digital Twin) 기술에서도 온톨로지가 주목 받고 있다.

온톨로지의 역할과 목적

  • 온톨로지는 **지식 표현(knowledge representation)**의 한 형태로, 컴퓨터가 사람처럼 지식을 이해하고 처리할 수 있도록 돕는다.
  • 즉, 프로그램이 온톨로지로 표현된 개념을 “이해”하고, **새로운 사실을 추론(inference)**하거나 관련된 정보를 찾아내는 등 지식 기반 처리를 수행할 수 있게 된다.
  • 일반적인 데이터모델링(ER, XML Schema, Relational Schema)은 데이터의 구조와 형식을 정의하지만, 온톨로지는 데이터의 ‘의미(semantics)’를 명시적으로 정의한다는 점에서 차이가 있다.
  • 온톨로지는 “데이터가 무엇을 의미하는가”를 기술하며, 서로 다른 시스템 간의 의미적 상호운용성(interoperability)을 확보할 수 있게 한다.
  • 온톨로지를 이용한 추론은 주어진 명시적 정보로부터 암묵적 지식을 도출하는 과정이다. 예를 들어, “모든 고양이는 동물이다”와 “우리집 나비는 고양이다”라는 정보가 있다면, 시스템은 “우리집 나비는 동물이다”라는 새로운 사실을 자동으로 도출가능.

온톨로지의 주요 목적

  1. 명확한 개념 정의 – 정보시스템이 다루는 대상(자원, 개체, 현상 등)에 대한 개념을 구체적이고 일관성 있게 정의.
  2. 지식 공유와 재사용 – 사람들이나 프로그램이 동일한 의미체계 안에서 데이터를 교환하고 해석할 수 있도록 지원.
  3. 정확한 정보 검색 – 시맨틱 구조를 기반으로 의미적으로 연관된 정보를 탐색할 수 있게 함.
  4. 시맨틱 웹(Semantic Web)의 기반 기술 – RDF(Resource Description Framework), OWL(Web Ontology Language), SWRL(Semantic Web Rule Language)* 등의 언어를 통해 지식을 표현하고 연결함으로써, 웹상의 지식을 기계가 이해할 수 있게 함.
  • RDF (Resource Description Framework): 정보를 ‘주어-술어-목적어’ 형태의 트리플(triple)로 표현하여 데이터 간 연결을 가능하게 하는 기본 구조.
  • OWL (Web Ontology Language): RDF 위에서 동작하며, 클래스, 속성, 제약조건 등을 정의하여 논리적 추론이 가능하도록 확장.
  • SWRL (Semantic Web Rule Language): “만약-그렇다면(if-then)” 규칙 형태로 지식을 표현하여, 온톨로지에 논리적 규칙 기반 추론 기능을 부여.

온톨로지의 주요 특성

온톨로지의 성격

  1. Formal (형식적)

    • 기계가 해석 가능한 언어로 기술되어야 한다.
    • 사람의 개입 없이도 컴퓨터가 자동으로 읽고 추론할 수 있는 구조를 가져야 한다.
    • 예: OWL, RDF/XML, Turtle 등.

  2. Explicit (명시적)

    • 개념의 의미가 모호하지 않도록 명확히 정의되어야 한다.
    • 같은 단어라도 문맥에 따라 의미가 다를 수 있으므로, 상황에 맞는 의미를 명시적으로 표현해야 한다.

  3. Shared (공유적)

    • 온톨로지는 특정 개인의 이해가 아닌, 공동체의 합의된 지식 구조여야 한다.
    • 여러 사람(또는 시스템)이 동일한 개념 체계를 공유해야만 그 가치가 있다.

  4. Conceptualization (개념화)

    • 현실 세계의 대상을 일정한 모델로 추상화해야 한다.
    • 복잡한 실제 현상을 개념 간의 관계로 단순화하여 표현하는 과정이다.
  • 온톨로지는 일반적으로 특정 도메인(domain)을 대상으로 한다.
  • 예를 들어, “의료 온톨로지”, “소재 연구 온톨로지”, “화학 반응 온톨로지” 등은 각각 특정 영역의 개념과 관계를 정의한다.

온톨로지의 구성 요소

  • 온톨로지는 크게 **클래스(Class), 인스턴스(Instance), 속성(Property), 관계(Relation)**의 네 가지 기본 구성 요소로 이루어진다.

1. 클래스 (Class)

  • 개념(concept) 혹은 사물의 유형(type)을 의미한다.
  • 우리가 세상에서 인식하는 대상의 이름을 일반화한 것이다.
  • 예: “키보드”, “모니터”, “촉매”, “반응” 등.

2. 인스턴스 (Instance)

  • 클래스의 구체적인 예시나 개체를 말한다.
  • 특정 클래스에 속하는 실제 사물, 사건, 데이터 등을 나타낸다.
  • 예:
    • “삼성 XXX 키보드” → 키보드(Class)의 인스턴스
  • 같은 객체라도 상황에 따라 클래스가 될 수도, 인스턴스가 될 수도 있다.

3. 속성 (Property)

  • 클래스나 인스턴스의 특징, 성질, 상태를 나타내는 요소이다.
  • 속성은 대상과 값을 연결하는 형태로 표현된다.
  • 예:
    • “삼성 모니터 hasSize ‘27인치’”
    • “촉매 hasActivity ‘높음’”
  • 속성은 일반적으로 Datatype Property(문자열, 숫자 등 값 연결) 또는 Object Property(다른 개체 연결)로 구분된다.

4. 관계 (Relation)

  • 클래스와 인스턴스 사이의 의미적 연결(semantic link)을 나타낸다.

  • 관계는 두 가지로 구분된다.

    1. Taxonomic Relation (계층적 관계)

      • 개념 간의 포함 관계, 즉 상하위 개념 구조를 표현한다.
      • 예: “사람 isA 동물”, “자동차 isA 운송수단”
      • 온톨로지의 계층 구조(class hierarchy)를 구성한다.

    2. Non-taxonomic Relation (비계층적 관계)

      • 인과관계, 시간적 관계, 구성관계 등 의미적 관계를 표현한다.
      • 예: “운동 cause 건강”, “촉매 participateIn 반응”.

  • 관계와 속성은 모두 개체 간 연결을 표현하므로, 실제 설계에서는 두 용어를 구분하지 않고 혼용하기도 한다.

온톨로지 구축의 일반적 절차

  1. 도메인 정의: 표현하려는 영역과 범위를 명확히 결정.
  2. 용어 수집: 관련 문헌, 데이터베이스, 전문가 논의 등을 통해 핵심 개념과 속성을 수집.
  3. 개념 구조화: 개념 간 상하위 관계를 설정.
  4. 관계 정의: 개체 간 연관성과 제약조건을 명시.
  5. 논리 검증: OWL Reasoner를 사용해 논리적 모순 여부 확인.
  6. 지속적 확장: 새로운 데이터나 지식이 등장할 때 온톨로지를 갱신.

온톨로지의 활용과 의의

온톨로지는 단순한 데이터 사전이 아니라, “지식의 구조와 의미를 명확히 하는 프레임워크”로서 다음과 같은 분야에서 활용된다.

  • 시맨틱 웹(Semantic Web): 웹 상의 데이터를 의미적으로 연결해 지능형 정보 탐색 구현.
  • 지식 그래프(Knowledge Graph): 엔터티(entity) 간의 관계를 기반으로 의미망을 구축.
  • AI와 데이터 통합: 다른 시스템에서 생성된 데이터를 온톨로지 기반으로 통합하여 해석 가능.