1 |
1
센싱장치로부터 컨텍스트(Context) 정보를 입력받아 유효성을 검증하는 컨텍스트 브로커수단,상기 컨텍스트 브로커수단에서 검증된 상기 컨텍스트 정보를 웹 온톨로지 언어(Ontology Web Language, OWL)데이터로 변환하여 가공하고 온톨로지(Ontology) 구조가 생성되도록 제어하는 컨텍스트 관리수단,상기 컨텍스트 관리수단에서 가공된 상기 컨텍스트 정보를 시맨틱 웹 규칙 언어(Semantic Web Rule Language, SWRL)데이터로 변환하여 추론과정을 통해 가공하는 추론엔진수단,상기 컨텍스트 관리수단에서 가공된 상기 컨텍스트 정보를 학습과정을 통해 가공하는 학습관리수단,상기 컨텍스트 관리수단 또는 상기 추론엔진수단 또는 상기 학습관리수단에서 가공된 상기 컨텍스트 정보를 저장하는 데이터베이스를 포함하고,상기 데이터베이스는 상기 컨텍스트 관리수단 또는 상기 추론엔진수단 또는 상기 학습관리수단에서 가공된 상기 컨텍스트 정보가 클래스의 형태로 정의되어 온톨로지 구조로 저장되는 온톨로지DB를 포함하고,상기 온톨로지DB에 저장되는 상기 컨텍스트 정보는 컨텍스트 정보의 도메인을 정의한 클래스를 하위클래스로 포함하는 복합(Compound) 상위클래스, 상기 복합 상위클래스의 속성이 되는 가공된 컨텍스트 정보를 컨텍스트 타입별로 분류하여 정의한 클래스를 하위클래스로 포함하는 기초(Elementary) 상위클래스, 상기 학습관리수단에서 수행할 학습방법 또는 학습을 통한 예측방법 또는 속성을 정의한 클래스를 하위클래스로 포함하는 학습(Learning) 상위클래스를 포함하는 상위-레벨 온톨로지 구조로 이루어지는 것을 특징으로 하는 상황인식을 위한 온톨로지 시스템
|
2 |
2
제 1항에 있어서,상기 데이터베이스는가공된 상기 컨텍스트 정보 중에서 상기 컨텍스트 관리수단에 의해 학습 또는 학습을 통한 예측에 필요하다고 판단되는 히스토리 정보가 축적되어 저장되는 히스토리DB를 더 포함하는 것을 특징으로 하는 상황인식을 위한 온톨로지 시스템
|
3 |
3
삭제
|
4 |
4
제 2항에 있어서,상기 컨텍스트 타입은상기 컨텍스트 관리수단이 가공하여 생성하는 센스(Sensed) 타입, 상기 추론엔진수단이 상기 센스 타입의 컨텍스트 정보를 연산을 통해 가공하여 생성하는 결합(Combined) 타입, 상기 추론엔진수단이 상기 센스 타입의 컨텍스트 정보를 추론을 통해 가공하여 생성하는 추론(Inferred) 타입, 상기 학습관리수단이 상기 센스 타입의 상기 히스토리 정보를 학습방법 또는 학습을 통한 예측방법을 통해 가공하여 생성하는 학습(Learned) 타입으로 이루어지는 것을 특징으로 하는 상황인식을 위한 온톨로지 시스템
|
5 |
5
제 4항에 있어서,상기 학습관리수단은 상기 학습방법 또는 학습을 통한 예측방법으로 결정-트리(Decision-Tree) 방법 또는 신경망(Neural-Network) 방법을 사용하는 것을 특징으로 하는 상황인식을 위한 온톨로지 시스템
|
6 |
6
제 5항에 있어서,상기 컨텍스트 관리수단은 상기 온톨로지 구조가 상기 상위-레벨 온톨로지 구조를 기본구조로 하고 하위클래스의 추가를 통해 확장되며, 제 1의 도메인을 위해 정의된 하위클래스를 제 2의 도메인을 위한 하위클래스로 이용가능하도록 제어하는 것을 특징으로 하는 상황인식을 위한 온톨로지 시스템
|
7 |
7
컨텍스트 브로커수단, 컨텍스트 관리수단, 추론엔진수단, 학습관리수단, 히스토리DB, 온톨로지DB를 구비하는 온톨로지 시스템으로 온톨로지를 관리하는 방법에 있어서,상기 컨텍스트 브로커수단이 센싱장치로부터 컨텍스트 정보를 입력받아 유효성을 검증하는 단계,상기 컨텍스트 관리수단이 상기 컨텍스트 브로커수단에서 검증된 상기 컨텍스트 정보를 전달받아 OWL(Ontology Web Language)데이터로 변환하여 가공하여 상기 온톨로지DB에 저장하는 단계,상기 컨텍스트 관리수단이 가공된 상기 컨텍스트 정보에 대해 학습 또는 학습을 통한 예측에 필요한지 여부를 판단하는 단계,상기 판단하는 단계에서 필요하다고 판단되는 경우 히스토리 정보로서 상기 히스토리DB에 축적하여 저장하는 단계,상기 추론엔진수단이 상기 온톨로지DB에 저장된 상기 컨텍스트 정보를 SWRL(Semantic Web Rule Language)데이터로 변환하여 추론과정을 통해 가공하여 상기 온톨로지DB에 저장하는 단계,상기 컨텍스트 관리수단이 학습 또는 학습을 통한 예측 요청이 수신되는지 여부를 판단하는 단계,상기 요청에 따라 상기 학습관리수단이 상기 히스토리 정보를 학습 또는 학습을 통한 예측을 통해 가공하여 상기 온톨로지DB에 저장하는 단계를 포함하고,상기 온톨로지DB에 저장되는 상기 컨텍스트 정보는 컨텍스트 정보의 도메인을 정의한 클래스를 하위클래스로 포함하는 복합(Compound) 상위클래스, 상기 복합 상위클래스의 속성이 되는 가공된 컨텍스트 정보를 컨텍스트 타입별로 분류하여 정의한 클래스를 하위클래스로 포함하는 기초(Elementary) 상위클래스, 상기 학습관리수단에서 수행할 학습방법 또는 학습을 통한 예측방법 또는 속성을 정의한 클래스를 하위클래스로 포함하는 학습(Learning) 상위클래스를 포함하는 상위-레벨 온톨로지 구조로 이루어지는 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법
|
8 |
8
삭제
|
9 |
9
삭제
|
10 |
10
제 7항에 있어서,상기 컨텍스트 타입은상기 컨텍스트 관리수단이 가공하여 생성하는 센스(Sensed) 타입, 상기 추론엔진수단이 상기 센스 타입의 컨텍스트 정보를 연산을 통해 가공하여 생성하는 결합(Combined) 타입, 상기 추론엔진수단이 상기 센스 타입의 컨텍스트 정보를 추론을 통해 가공하여 생성하는 추론(Inferred) 타입, 상기 학습관리수단이 상기 센스 타입의 상기 히스토리 정보를 학습방법 또는 학습을 통한 예측방법을 통해 가공하여 생성하는 학습(Learned) 타입으로 이루어지는 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법
|
11 |
11
제 10항에 있어서,상기 학습관리수단은 상기 학습방법 또는 학습을 통한 예측방법으로 결정-트리(Decision-Tree) 방법 또는 신경망(Neural-Network) 방법을 사용하여 가공하는 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법
|
12 |
12
제 11항에 있어서,상기 온톨로지 구조는 상기 상위-레벨 온톨로지 구조를 기본구조로 하고 하위클래스의 추가를 통해 확장되며, 제 1의 도메인을 위해 정의된 하위클래스를 제 2의 도메인을 위한 하위클래스로 이용가능한 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법
|
13 |
13
컨텍스트 브로커수단, 컨텍스트 관리수단, 추론엔진수단, 학습관리수단, 히스토리DB, 온톨로지DB를 구비하는 온톨로지 시스템으로 온톨로지를 관리하는 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 있어서,상기 컨텍스트 브로커수단이 센싱장치로부터 컨텍스트 정보를 입력받아 유효성을 검증하는 단계,상기 컨텍스트 관리수단이 상기 컨텍스트 브로커수단에서 검증된 상기 컨텍스트 정보를 전달받아 OWL(Ontology Web Language)데이터로 변환하여 가공하여 상기 온톨로지DB에 저장하는 단계,상기 컨텍스트 관리수단이 가공된 상기 컨텍스트 정보에 대해 학습 또는 학습을 통한 예측에 필요한지 여부를 판단하는 단계,상기 판단하는 단계에서 필요하다고 판단되는 경우 히스토리 정보로서 상기 히스토리DB에 축적하여 저장하는 단계,상기 추론엔진수단이 상기 온톨로지DB에 저장된 상기 컨텍스트 정보를 SWRL(Semantic Web Rule Language)데이터로 변환하여 추론과정을 통해 가공하여 상기 온톨로지DB에 저장하는 단계,상기 컨텍스트 관리수단이 학습 또는 학습을 통한 예측 요청이 수신되는지 여부를 판단하는 단계,상기 요청에 따라 상기 학습관리수단이 상기 히스토리 정보를 학습 또는 학습을 통한 예측을 통해 가공하여 상기 온톨로지DB에 저장하는 단계를 포함하고,상기 온톨로지DB에 저장되는 상기 컨텍스트 정보는 컨텍스트 정보의 도메인을 정의한 클래스를 하위클래스로 포함하는 복합(Compound) 상위클래스, 상기 복합 상위클래스의 속성이 되는 가공된 컨텍스트 정보를 컨텍스트 타입별로 분류하여 정의한 클래스를 하위클래스로 포함하는 기초(Elementary) 상위클래스, 상기 학습관리수단에서 수행할 학습방법 또는 학습을 통한 예측방법 또는 속성을 정의한 클래스를 하위클래스로 포함하는 학습(Learning) 상위클래스를 포함하는 상위-레벨 온톨로지 구조로 이루어지는 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
14 |
14
삭제
|
15 |
15
제 13항에 있어서,상기 컨텍스트 타입은상기 OWL데이터로 변환되어 가공되어 생성되는 센스(Sensed) 타입, 상기 센스 타입의 컨텍스트 정보가 연산을 통해 가공되어 생성되는 결합(Combined) 타입, 상기 센스 타입의 컨텍스트 정보가 추론을 통해 가공되어 생성되는 추론(Inferred) 타입, 상기 센스 타입의 히스토리 정보가 학습방법 또는 학습을 통한 예측방법을 통해 가공되어 생성되는 학습(Learned) 타입으로 이루어지는 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
16 |
16
제 15항에 있어서,상기 학습방법 또는 학습을 통한 예측방법으로 결정-트리(Decision-Tree) 방법 또는 신경망(Neural-Network) 방법을 사용하는 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
17 |
17
제 16항에 있어서,상기 온톨로지 구조는 상기 상위-레벨 온톨로지 구조를 기본구조로 하고 하위클래스의 추가를 통해 확장되며, 제 1의 도메인을 위해 정의된 하위클래스를 제 2의 도메인을 위한 하위클래스로 이용가능한 것을 특징으로 하는 상황인식을 위한 온톨로지 관리 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|