시맨틱 웹에서 정보를 검색하기 위한 구조 질의(e.g., SPARQL)는 정보를 형식화 하여 다양한 의미의 질의를 정확하게 표현할 수 있지만, 질의 문법이 복잡하다. 그래서 구조 질의에 익숙치 않은 사용자들이 시맨틱 질의를 사용하는 것을 기대하기는 어렵다. 그러므로, 사용자가 손쉽게 시맨틱 질의 할 수 있는 환경을 제공하기 위해 사용자가 키워드 질의를 입력하면, 이를 시맨틱 질의로 변환해서 정보를 검색하는 연구가 활발히 진행 되고 있다. 키워드 질의는 사용하기 간편하지만, 하나의 키워드 질의가 다수의 구조 질의로 변환될 수 있다. 각 질의의 중요도 및 입력된 키워드 질의와의 연관성이 다르기 때문에 이를 측정하여 랭킹하는 방법이 필요하다. 본 연구에서는 시맨틱 웹 데이터에 존재하는 스키마 레벨에서의 트리플 간 연관성을 이용하여, 각 구조 질의를 랭킹하는 방법을 제안한다. 제안하는 방법은 구조 질의 로그에 기반하여 랭킹의 기준이 되는 연관성을 계산하고, 이를 적용하여 구조 질의 랭킹을 수행한다. 이 랭킹 방법은 사용자들의 선호를 반영하고 있기 때문에, 단순히 도메인 온톨로지의 정보만을 활용한 랭킹 방법보다 우수한 성능을 보인다.
To find information from Semantic Web, users need to use structured query languages like SPARQL. Using those languages, a user can express her information need exactly, but the usage is not familiar to ordinary users. To help the users find information easily, the methods of converting keyword queries issued by users into structured queries for Semantic Web are being researched. Keyword queries are easy to use, but it has ambiguity problem, in other words, a keyword query can be converted into a great number of structured queries. Each structured queries converted from a keyword query have different importance and relevance to the keyword query, thus, the ranking method for those structured queries is needed. In this paper, we propose a ranking method for structured queries converted from the same keyword query, which uses the affinities between schema-level triples in Semantic Web data. The proposed method extracts the affinities from the query log, and its ranking function for structured queries is based on the affinities. Because the proposed method reflects the preference of users, it can rank the structured queries more effectively than ranking methods using only the information of target domain ontology.
