linked data 기반 데이터 검색 서비스의 현황과 과제 (kswc2010)

37
Linked Data 기반 데이터 검색 서비스의 현황과 과제 윤석찬 서울대 BikeLab · 다음커뮤니케이션 [email protected] http://bike.snu.ac.kr

Upload: channy-yun

Post on 13-May-2015

6.060 views

Category:

Technology


0 download

DESCRIPTION

LinkedData는 기존의 의료, 문헌 도메인을 벗어나 콘텐츠, 정부 데이터 등 그 폭이 커질 뿐만 아니라 데이터량도 폭발적으로 증가하고 있다. 일반적으로 특정 도메인의 시맨틱 웹 데이터 검색 서비스를 제공하기 위해 운영되는 RDF 데이터 처리 및 SPARQL 엔진 기반 포털 서비스는 대용량의 데이터를 다루기 어렵다. 본 발표에서는 기존 방식을 탈피하여 클라우드 컴퓨팅 환경에서 Hadoop 기반 MapReduce를 이용한 대용량 데이터 처리 방식을 이용하여 관계 기반 질의 확장을 통한 사용자 친화적인 Linked Data 검색 서비스 개발 사례를 소개한다. 현재 대용량 Linked Data를 처리하기 위한 Billion Triple Challenge의 아이디어와 현황을 살펴 보고 향후 방향을 전망해 본다.

TRANSCRIPT

Page 1: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Linked Data 기반데이터 검색 서비스의 현황과 과제

윤 석 찬

서울대 BikeLab · 다음커뮤니케이션[email protected]

http://bike.snu.ac.kr

Page 2: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

목차

1. 시맨틱 웹 킬러 애플리케이션의 현황

2. 시맨틱 검색 서비스 출현과 LinkedData의 성장

3. 대용량 LOD 기반 시맨틱 검색 방식

4. 클라우드 기반 시맨틱 웹 데이터 처리 사례

5. 대용량 LOD 검색 서비스의 한계

Page 3: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Web 3.0 Buzz

Page 4: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Only Three Company?

Page 5: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Why Semantic Web failed?

Difficult to useNo Killer application

Only specific domains

Page 6: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Back to the Search

Page 7: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Semantic Search vs.

Semantic Web Search

Page 8: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Emerging Semantic Web Search = Structured Data on the Web

Page 9: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Linked Data with TBL

Page 10: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 11: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

What’s Linked Data?. In October 2007, datasets consisted of over two billion RDF triples, which were interlinked by over two million RDF links. By September 2010 this had grown to 25 billion RDF triples, interlinked by around 395 million RDF links.

http://en.wikipedia.org/wiki/Linked_Data

Page 12: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

LinkedData 애플리케이션

Page 13: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

• 데이터 브라우저– Tabulator Browser (MIT, USA)– Marbles (FU Berlin, DE)– OpenLink RDF Browser (OpenLink, UK)– Zitgist RDF Browser (Zitgist, USA)– Disco Hyperdata Browser (FU Berlin, DE)– Fenfire (DERI, Irland)

Page 14: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 15: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 16: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 17: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

DBPedia Mobile

Page 18: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

• 검색 엔진–Falcons (IWS, China)–Sig.ma (DERI, Ireland)–Swoogle (UMBC, USA)–VisiNav (DERI, Ireland)–Watson (Open University, UK)

Page 19: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 20: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 21: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)
Page 22: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

검색 기술 비교 및 변화

SPAQL 쿼리 응답결과IR 알고리즘

그래프 기반 의미 검색서비스키워드 기반 랭킹 기반 검색

관계에 따라 RDF Triple 변환저장랭킹에 따라 문서 인덱스

Bing, Hakia대표 기업Google, 네이버, 다음

기존 웹 검색 엔진 방법 시맨틱 웹 검색외부 웹 문서 및사내 콘텐츠 DB 대상 링크드데이터(LinkedData) 및

사내 콘텐츠 DB

웹 크롤러를 통해 수집 수집 RDF 수집

Google(1조) 데이터 용량 LinkedData(250억)

Page 23: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

LOD 검색 개발 방식1. 웹 기반 구조적 데이터 수집

– 반 구조적 데이터: HTML내 RDFa, Microformat 혹은 HTML5 Microdata, 구조적 데이터: XML 및 JSON, 시맨틱 데이터: RDF/RDFs• 예) LDspider (GPL license) http://code.google.com/p/ldspider

2. 데이터 저장– Virtuoso (GPL), Sesame (BSD), Jena TDB (BSD) 혹은 RDB– c.f Berlin SPARQL Benchmark (Nov 2009)

3. 퀴리 및 데이터 분석– SPAQL을 이용한 Query Engine

4. 랭킹 및 결과 제공– 결과에 대한 시맨틱 네비게이션 및 링크만 제공

Page 24: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

기존 시맨틱 웹 처리 방법

1. 모델 만들기개념과 관계 속성에 대한 정의최대한 현실에 부합하는 모델을

만들며 확장 유연성

2.RDF 처리대개 기존 DB에서 변환RDF, Triple, N-Triple 형태 저장처리 시간이 길다!

3. SPARQL 질의원하는 답을 얻기 위한 추론응답 시간이 길다!

Page 25: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

DB Memory FileRDF Store

Page 26: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

검색에서 클라우드 플랫폼의 장점

1. 사회적 이슈가 발생했을 때, 클라우드 동적 제어 API를 이용하여 크롤링 및 인덱싱 작업을 비주기적으로 시행.

2. UCC 검색 콘텐츠 DB에 대해서 신규 작업 시 클라우드 기반으로 테스트 가능

3. Hadoop, Hbase 등 각종 분산 컴퓨팅 자원을 필요 시 이용.

4. 실시간 웹(Realtime Web) 검색을 대응하기 위한 검색 엔진및 처리 시스템 필요

Page 27: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

클라우드 기반 LOD 검색 방식1. 웹 기반 구조적 데이터 수집

2. 데이터 저장– Hadoop을 이용한 분산 컴퓨팅 플랫폼– 대용량 RDF 변환 및 처리– NoSQL을 이용한 검색 데이터 저장소

3. 퀴리 및 데이터 분석– 사용자 쿼리에 해당하는 질의어 분석– 질의어를 통한 SPARQL 쿼리 생성– 쿼리에 대한 서브 쿼리 자동 생성 및 AnswerSet 추출

4. 랭킹 및 결과 제공– 관계 기반 질의어 확장 및 추천

Page 28: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

1. RDF processing

Page 29: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

2. Auto AnswerSet

c.f. SPARQL speed

Page 30: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

3. Relation-based keyword expansion

– Subject Predicate– Subject Predicate sameAs Subject– Subject Predicate sameAs Subject Predicate…

MJ’s birthday Actors same of MJ’s birthday

Page 31: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

4. Key Value DB for heavy update

Update Heavy job, Real-time incremental Updatehttp://research.yahoo.com/Web_Information_Management/YCSB

Page 32: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

iCubeCloud

REST APIs

MusicDB

MusicDB

Internet

Search Service

Search Service

Front-end

MovieDB

MovieDBPeople

DB

PeopleDB

{"Name": "Cheeso", "Rank": 7}{"Name": "Cheeso", "Rank": 7}

{"Name": "Cheeso", "Rank": 7}

NoSQL

Hbase

Cassandra

RDFRDF

Hadoop

Map/Reduce

- MR Job Scheduler

AnswerSet

AnswerSet

M/R

-

N3N3

M/R

-IncrementalUpdate

StorageClould

System

Page 33: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

• 기존 시맨틱 웹 검색 서비스와 차별점– 사용자에게 친숙한 검색 인터페이스 제공– 속성 중심의 질의어 확장을 통한 검색 시간 증가

• 의미 검색 서비스 특징– 사용자가 원하는 질의어 확장을 통한 콘텐츠 의미 검색– 기존 스마트 앤서에 대한 보강 데이터 확보– 클라우드 플랫폼을 이용 영화/인물/음악을 기반한 RDF

Triple/Answer Set 등 5억~10억 규모 데이터 실시간 처리 처리• 몇 십분안에서 처리 가능

• 향후 대규모 LOD 검색 서비스를 위한 프로토타입

Page 34: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

LOD 검색 서비스의 한계• 상용 대용량 데이터 처리가 필요하다

– 전 세계 여러 연구 기관에서 최근 관심 급증– ISWC 차원에서 Billion Triples Challenge 진행중

– 사용 데이터셋• 2010년 3~4월에 수집된 3.2 billion triples (27GB gzipped)• http://challenge.semanticweb.org

– 제출 현황• Creating voiD Descriptions for Web-scale Data• HadoopRDF : A Scalable RDF Data Analysis System• Scalable Online Analysis of Semantic Web Data• High Performance Semantic Factoring of Giga-Scale Semantic

Graph Databases

Page 35: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

• 구조적 데이터 규모가 작다– 기존의 Annotation용 Vocaburary 적극 활용 필요– 자동 솔루션 이용

• Open Calais (Thomsons Reuters) for news• Zemanta (startup) for blog posts

• LOD간 링크가 적다 (only 5% in LOD)– 수작업, 데이터 마이닝 (고전적인 방법)– Google Base API (데이터 입력으로 연결 작업)– R2R 프레임웍 (SPARQL 기반 맵핑 솔루션)

• 서비스 방법이 없다– 시맨틱 네비게이션의 이상이 랭킹 방법이 필요– 데이터가 너무 전문적이어서 킬러 앱이 없음– 의료 및 콘텐츠 분야 적극 육성 필요

Page 36: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

결론• LOD 기반 검색 서비스의 한계

– 사용자에게 친숙한 검색 UI 및 킬러 앱 부재– 대용량 RDF 처리 시간 및 SPARQL 쿼리 처리 시간– LOD의 데이터 규모 및 링크의 문제

• 해결 방안– 기존 검색 서비스와 연계한 서비스 창출 필요– 클라우드 기반 시스템을 이용한 데이터 처리 적극 활용– LOD 기반 데이터의 링크 솔루션 활용

Page 37: Linked Data 기반 데이터 검색 서비스의 현황과 과제 (KSWC2010)

Announcement!

• Daum에서 국내 최초로 영화 LinkedData레포지터리 제공 예정 (2011년 1월)

• 서울대 BikeLab에서는 대용량 LOD 검색 서비스 연구 중http://bike.snu.ac.kr